[发明专利]一种基于用户社区的协作推荐系统

摘要

本发明公开了一种基于用户社区的协作推荐系统，包括数据引擎模块、特征提取模块、社区识别模块、协同推荐模块和增量更新模块；通过各个模块的协同工作，提取出用户数据中隐藏的社区特性，来大幅减少系统时间开销，提高整个系统推荐结果的准确性和个性化，具有很高的通用性，适用于现有的大多数推荐场景。

主权项

一种基于用户社区的协作推荐系统，其特征在于，包括：一数据引擎模块，用于从数据库中提取所有用户—物品数据，再利用用户—物品数据构建用户—物品关系数据表，且将该表存储到数据库；其中，用户—物品关系数据表中的每一行代表一位用户的数据信息，每一列代表一件物品的数据信息，表内每项数据值的大小，代表了对应用户和物品关系的紧密程度；一特征提取模块，从数据库中提取用户—物品关系数据表，构建用户—物品关系矩阵，采用SVD算法对用户—物品关系矩阵进行矩阵分解操作，得到用户特征数据表U、奇异值矩阵表S和物品品特征数据表V，再将对应数据表存入数据库中；其中，U中的每一行代表一位用户，每一列代表不同的用户特征；S中存放的是用户—物品关系矩阵的奇异值数据；V中的每一行代表一件物品，每一列代表不同的物品特征；一社区识别模块，从数据库中提取用户特征数据表U，根据用户特征数据表U，利用Fuzzy c‑means算法对用户进行重叠社区识别，得到每位用户对于每个社区的隶属度，进而构建相应的用户—社区数据表，并存入到数据库；其中，用户—社区数据表的每一行代表一个用户，每一列代表一个社区，表中的每一项数值代表该用户对于该社区的隶属度，且每一行所有数值和为1；一协同推荐模块，据数据库中的用户—社区数据表，以及预存的用户购买记录表，筛选出符合条件的核心用户，进而构建每个社区的社区推荐信息核，针对具体某一用户，采取其隶属度最高的3个社区的社区推荐信息核，并执行推荐算法，预测相应用户的推荐列表并发送给用户；一增量更新模块，收集在线系统在时间T内产生的及时用户数据，并判断这些及时用户数据的类型，如果产生该及时用户数据的用户是系统中早已存在的用户时，采用Complete Incremental Learning SVD算法来更新用户的特征数据，再进入到社区识别模块；否则采用Folding‑in SVD算法提取该及时用户数据的用户特征数据，再进入到社区识别模块。