基于最大和谐度的个性化群体推荐方法技术

本发明专利技术涉及一种基于最大和谐度的个性化群体推荐方法，包含：评估群体用户的一致性程度；识别群体中不一致用户；构建基于最大和谐度的个性化群体推荐模型，求解个性化群体推荐反馈参数；计算个性化群体推荐反馈意见；根据一致性程度确定个体用户权重，聚合个体用户偏好从而确定群体推荐方案。本发明专利技术在消除用户间不一致性的同时增加系统的和谐度，提高群体推荐系统的用户友好程度；通过个性化反馈参数消除个体需求的差异性，从而实现更加精准化的群体推荐系统解决方案。

Personalized group recommendation method based on maximum harmony

【技术实现步骤摘要】
基于最大和谐度的个性化群体推荐方法
本专利技术属于群体推荐算法领域。具体而言，涉及一种基于最大和谐度的个性化群体推荐方法。
技术介绍
随着经济的发展与人民生活水平提升，对于文化娱乐等活动的需求愈发强烈。在参与文化娱乐活动中，在多样化的要求、经费和时间的限制下如何较好地选择活动方案合理地规划活动过程往往是相关营销部门及互联网平台既注重又亟待解决的问题。随着技术的发展，相关企业及互联网平台海量数据的存储与处理功能增强，其根据大量用户的历史评分及行为数据，可以推荐个性化的解决方案。然而，个性化推荐方法并不符合实际社交情景下的推荐需求。在实际社交场景下，一种活动往往是由多人参与的，如聚餐，旅游，看电影等活动。由此，群体推荐技术应运而生，群体推荐能够有效地解决群体社交活动问题,存在着广阔的应用前景。目前，群体推荐算法的研究范式之一是对于群体决策行为的理解。2017年,AkshitaAgarwal等提出了一种基于匈牙利算子和具有优先度的最小痛苦算子的方法提高群体推荐的满意度的方法；2018年，TRANDANGQUANGVINH等提出一个优质的群体推荐算法应该是一个群决策的过程并提供了一种灵活的方法模拟复杂的群决策过程。LaraQuijano-Sánchez等考虑社会网络中的人类认知信息和社会关系信息提出了一种群体推荐方法。群体推荐系统中，主要的一个任务是消除群体成员中的不一致性，反馈机制是传统方式中消除不一致性的主要方法；然而，传统的反馈方式主要是采取随机的离散的反馈参数，反馈参数的选取并未通过严谨的验证，使得不一致用户的意见被强制改变。而且，对于系统中存在多个不一致用户的情况，采用相同的反馈参数是不合理的。
技术实现思路
为了消除群体推荐系统中用户的不一致性，本专利技术的一种基于最大和谐度的个性化群体推荐方法，提出了和谐度函数，在消除用户间不一致性的同时增加系统的和谐度，提高群体推荐系统的用户友好程度；通过个性化反馈参数消除个体需求的差异性，从而实现更加精准化的群体推荐系统解决方案。本专利技术的一种基于最大和谐度的个性化群体推荐方法，包含以下的步骤：步骤1、评估群体用户的一致性程度，从元素、方案及矩阵三个层次测量个体用户与群体用户之间的一致性；步骤2、从个体、方案、元素三个层次，识别群体中不一致用户；步骤3、构建基于最大和谐度的个性化群体推荐模型，求解个性化群体推荐反馈参数；其中，以群体用户的和谐度最大为目标函数，利用个性化反馈参数控制反馈程度，以用户一致性边界为约束；步骤4、计算个性化群体推荐反馈意见；步骤5、基于BUM函数根据一致性程度确定个体用户权重，聚合个体用户偏好从而确定群体推荐方案。本专利技术引入和谐度函数的概念，提出了一种基于最大和谐度的个性化群体推荐方法，针对存在不一致性的用户群体。首先，该方法可以提供可视化的用户一致性程度，并根据用户自身的一致性程度提供个性化的反馈参数，减少用户被强迫修改其偏好的程度，提供更优质的用户体验；其次，该方法可以使不一致用户偏好的调整程度最小，提升了群体推荐系统的和谐度。对于用户一致性评估，主要内容在于从矩阵、方案及元素三个层次测量个体用户与群体用户之间的一致性；用户群体的一致性测量主要应用于群体中不一致用户识别过程，多维度充分检测个体用户共识程度，避免了单一测度的无法识别隐形不一致用户的问题。对于群体不一致用户识别，涉及到对三个层次不一致集合ECH,ACH,APS的可视化处理；这相较于传统方案能够更加直观地感知到不一致个体与群体之间的差异，从而更好地提供反馈方案，有利于使不一致用户更高效地接受反馈。附图说明图1：基于最大和谐度的个性化群体推荐方法流程图；图2：传统消除不一致方法的效果图；图3：基于最大和谐度非个性化推荐方法的效果图；图4：基于最大和谐度个性化推荐方法的效果图。具体实施方式本专利技术提供了一种基于最大和谐度的个性化群体推荐方法，当群体推荐系统内的用户出现不一致的情况，可通过本专利技术的方法更好地消除不一致性。本专利技术的方法，如图1所示，包含以下的步骤：步骤1、评估群体用户的一致性程度；步骤2、识别群体中不一致用户；步骤3、构建基于最大和谐度的个性化群体推荐模型，求解个性化群体推荐反馈参数；其中，以群体用户的和谐度最大为目标函数，利用个性化反馈参数控制反馈程度，以用户一致性边界为约束；步骤4、计算个性化群体推荐反馈意见；步骤5、基于BUM函数根据一致性程度确定个体用户权重，聚合个体用户偏好从而确定群体推荐方案。以下具体说明本专利技术所述基于最大和谐度的个性化群体推荐方法。步骤1、评估群体用户的一致性程度；用户元素层次一致性评估：用户方案层次一致性评估：用户矩阵层次一致性评估：其中，m为群体用户数量，p为推荐方案数量，q为群体考虑准则数量。此处，首先对于该专利技术中出现较多的k,s,h,i,j予以说明：k表示用户群体中的某一个用户(k＝1,...,m)；s表示用户群体中除被测量用户外的其他用户(s＝1,...,m且s≠k)；h表示用户群体中的不一致用户子群体，(h是集合{1,...,m}的真子集)；i表示某一个备择方案，(i＝1,....,p)；j表示某一个决策准则，(j＝1,...,q)；再对公式(1)，(2)，(3)中涉及的具体符号进行说明：表示被测量用户在决策准则j下对备择方案i的评分；表示除被测量用户k以外其他用户在决策准则j下对备择方案i的评分；表示被测量用户k与其他用户s(s＝1,...,m且s不等于k)之间的距离，那么，分别是的元素：其中，表示用户k对于方案i在评价标准j下的信任程度，即该用户认为多大程度上可行；表示用户k对于方案i在评价标准j下的不信任程度，即该用户认为多大程度上不可行；表示用户s对于方案i在评价标准j下的信任程度，即该用户认为多大程度上可行；表示用户s对于方案i在评价标准j下的不信任程度，即该用户认为多大程度上不可行。步骤2、识别群体中不一致用户；不一致用户个体识别：ECH＝{h|ACDh＜β}(4)不一致用户方案识别：不一致用户元素识别：其中，β是群体推荐系统预定义的一致性阈值；ECH＝{h|ACDh＜β}是所有共识度小于阈值的用户的集合。关于ACDh与ACDk之间关系的说明：ACDk表示是所有用户中某一任意用户的共识度，而h是群体中的不一致用户，即ACDh表示所有用户中任意共识度小于阈值β的共识度。步骤3、构建基于最大和谐度的个性化群体推荐模型，求解个性化群体推荐反馈参数；目标函数为和谐度函数的最大化，即最大化；约束条件为所有用户(包括一致用户和不一致用户)满足推荐系统的一致性要求，即ACDh≥β(h＝1,...,n)和A本文档来自技高网...

【技术保护点】
1.一种基于最大和谐度的个性化群体推荐方法，其特征在于，包含：/n步骤1、评估群体用户的一致性程度，从元素、方案及矩阵三个层次测量个体用户与群体用户之间的一致性；/n步骤2、从个体、方案、元素三个层次，识别群体中不一致用户；/n步骤3、构建基于最大和谐度的个性化群体推荐模型，求解个性化群体推荐反馈参数；其中，以群体用户的和谐度最大为目标函数，利用个性化反馈参数控制反馈程度，以用户一致性边界为约束；/n步骤4、计算个性化群体推荐反馈意见；/n步骤5、基于BUM函数根据一致性程度确定个体用户权重，聚合个体用户偏好从而确定群体推荐方案。/n

【技术特征摘要】
1.一种基于最大和谐度的个性化群体推荐方法，其特征在于，包含：
步骤1、评估群体用户的一致性程度，从元素、方案及矩阵三个层次测量个体用户与群体用户之间的一致性；
步骤2、从个体、方案、元素三个层次，识别群体中不一致用户；
步骤3、构建基于最大和谐度的个性化群体推荐模型，求解个性化群体推荐反馈参数；其中，以群体用户的和谐度最大为目标函数，利用个性化反馈参数控制反馈程度，以用户一致性边界为约束；
步骤4、计算个性化群体推荐反馈意见；
步骤5、基于BUM函数根据一致性程度确定个体用户权重，聚合个体用户偏好从而确定群体推荐方案。


2.如权利要求1所述基于最大和谐度的个性化群体推荐方法，其特征在于，
步骤1中，评估群体用户的一致性程度时，进一步包含：
用户元素层次一致性评估：



用户方案层次一致性评估：



用户矩阵层次一致性评估：



其中，m为群体用户数量，p为推荐方案数量，q为群体考虑准则数量；
k表示用户群体中的一个用户，k＝1,...,m；
s表示用户群体中除被测量用户外的其他用户；s＝1,...,m且s≠k；
i表示其中一个备择方案，i＝1,....,p；
j表示其中一个决策准则，j＝1,...,q；

表示被测量用户在决策准则j下对备择方案i的评分；

表示除被测量用户k以外其他用户在决策准则j下对备择方案i的评分；

表示被测量用户k与其他用户s之间的距离；

则，

表示用户k对于方案i在评价标准j下的信任程度；

表示用户k对于方案i在评价标准j下的不信任程度；

表示用户s对于方案i在评价标准j下的信任程度；

表示用户s对于方案i在评价标准j下的不信任程度。


3.如权利要求2所述基于最大和谐度的个性化群体推荐方法，其特征在于，
步骤2中，识别群体中不一致用户时，进一步包含：
不一致用户个体识别：
ECH＝{h|ACDh＜β}(4)
不一致用户方案识别：
<...

【专利技术属性】
技术研发人员：吴坚，曹溟铄，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31