[发明专利]一种基于多特征的个性化餐厅推荐算法

摘要

本发明涉及一种基于多特征的个性化餐厅推荐算法，其技术特点在于：包括以下步骤：步骤A：读取大众点评网站上的餐厅数据，根据用户对餐厅的评分构建用户‑项目评分矩阵；步骤B：计算用户自身影响力；步骤C：计算用户间影响力；步骤D：预测用户对未去过的餐厅的评分；步骤E：为用户推荐个性化的餐厅。本发明通过分析用户和餐厅的多种特征来提高用户间影响力的准确性，为目标用户准确选择最有影响力的近似邻居，从而提高个性化餐厅推荐系统的准确性。

主权项

1.一种基于多特征的个性化餐厅推荐算法，其特征在于：包括以下步骤：

步骤A：数据预处理：读取大众点评网站上的餐厅数据，根据用户对餐厅的评分构建用户‑项目评分矩阵，然后对该用户‑项目评分矩阵中的评分进行标准化处理，并根据时间戳信息计算评分的实际效用值；

步骤B：计算用户自身影响力：通过分析用户的多种特征，计算用户自身影响力；

步骤C：计算用户间影响力：首先使用步骤A预处理后的数据和改进的空值填充法预测用户未去过的餐厅的评分，并根据该预测结果计算用户间的偏好相似度；然后通过分析用户的特征并结合步骤B获得的用户自身影响力以及用户间的偏好相似度、用户的粉丝信息和影响力的传递性计算用户间影响力；

步骤D：预测用户对未去过的餐厅的评分：根据步骤C计算得到的用户间的影响力，为目标用户选择topK_u个近似邻居，然后使用加权平均方法预测用户对未去过的餐厅的评分；其中，K_u为选择的近似邻居的数量；

步骤E：为用户推荐个性化的餐厅：根据步骤D获得的用户对未去过的餐厅的评分预测结果，对餐厅进行排序，为用户推荐N个最可能去的餐厅。

2.根据权利要求1所述的一种基于多特征的个性化餐厅推荐算法，其特征在于：所述步骤A的具体步骤包括：

(1)读取大众点评网站上的餐厅数据，根据用户对餐厅的评分，构建用户‑餐厅评分矩阵(U×D)，U表示用户集合；D表示餐厅集合；r_ik∈U×D表示用户u_i∈U对餐厅d_k∈D的评分；

(2)由于用户评分习惯不同，因此使用均值中心化方法对用户评分进行标准化处理，具体公式如下：

其中，r'_ik表示标准化后的用户评分；r_ik∈U×D表示用户u_i∈U对餐厅d_k∈D的评分；表示用户u_i对所有餐厅的评分的均值；r_i,max和r_i,min分别表示用户u_i对餐厅评分的最大值和最小值；

(3)用户偏好随时间迁移会发生变化，因此使用遗忘函数来计算评分的实际效用值，具体公式如下：

r”_ik＝r'_ik*e^‑λΔt,Δt＝t‑t₀

其中，r”_ik表示用户u_i对餐厅d_k的评分的实际效用值；t表示评分时间，t₀表示参考时间，λ表示时间衰减因子。

3.根据权利要求1或2所述的一种基于多特征的个性化餐厅推荐算法，其特征在于：所述步骤B通过分析用户的多种特征，计算用户自身影响力，具体公式如下：

其中，表示用户u_i自身影响力；F_u表示除用户ID外选取的用户特征值的向量；表示F_u包含的特征值的数量；V_i,n∈F_u表示特征q_n的值；δ_n表示特征q_n的权重值；V_max表示特征q_n的最大值；

所述用户的多种特征包括：用户ID、评论数量、社区等级、注册时长、粉丝数量和签到次数。

4.根据权利要求1或2所述的一种基于多特征的个性化餐厅推荐算法，其特征在于：所述步骤C的使用改进的空值填充法预测用户对未去过的餐厅的评分的计算公式如下：

其中，h_ik表示根据空值填充法预测得到的用户u_i对餐厅d_k的评分；表示用户u_i的经过预处理后的评分的平均值；r”_ig表示经过预处理后的用户评分；

D_i,k表示用户u_i评价过的餐厅中与d_k最相似的K_r个餐厅的集合；

其中，sim(d_k,d_g)表示餐厅d_k和餐厅d_g的相似度，其计算公式如下：

其中，F_r表示选择的除餐厅ID外的餐厅特征的集合；表示餐厅d_k的特征f_m的取值；