[发明专利]一种面向多属性评分系统的评分预测方法

摘要

本发明提供了一种面向多属性评分系统的评分预测方法，包括步骤S1输入数据收集用户对商品的多个属性的评分，输入多个属性的评分数据；S2构建模型利用具有U、C、A三个维度的三维张量表达多属性评分信息；S3设置参数，得到初始化矩阵S4张量分解，计算得到中间矩阵和S5张量填充，完成评分预测。使用本发明所述的方法，可以有效融合多个属性的评分信息，预测用户对商品各个属性的评分。

主权项

一种面向多属性评分系统的评分预测方法，其特征在于，包括以下步骤：S1：输入数据：收集用户对商品的多个属性的评分，输入多个属性的评分数据；S2：构建模型：利用具有U、C、A三个维度的三维张量表达多属性评分信息，其中：U表示用户，C表示商品，A表示商品的属性；S3：设置参数，得到初始化矩阵基于典范分解模型，将多属性的评分张量分解为三个二维矩阵和一个三维对角张量的乘积，如公式(1)所示：F^≈T^×uU^×cC^×aA^---(1)]]>公式(1)中，为三维对角张量，即对角线上元素为1，其余元素都为0；矩阵为|U|×kr维，|U|表示用户个数；矩阵为|C|×kr维，|C|表示商品个数；矩阵为|A|×kr维，|A|表示属性个数；kr是一个大于0的正整数，表示张量分解的维度大小；S4：张量分解，计算得到中间矩阵计算目标函数的值，若目标函数未收敛或未达到迭代次数上限，使用随机梯度下降法更新矩阵每次更新后重新计算目标函数的值，直到目标函数收敛或者达到迭代次数上限时停止，得到中间矩阵S5：张量填充，完成评分预测：根据步骤S4分解得到的中间矩阵采用典范分解模型，计算用户对商品各个属性的评分，实现多属性评分张量的填充。