【技术实现步骤摘要】
商品在线推荐方法和系统
本专利技术涉及一种商品在线推荐方法和系统,属于推荐系统
技术介绍
在互联网技术高速发展的今天,大量的广告推送信息被呈现给用户。不符合用户需求或与用户潜在喜好无关的广告或推送一方面使商户得不到回报,另一方面也耗费了用户的时间和精力,人们的注意力被各类推送信息高度碎片化。长此以往地推送无用信息,将会导致网页或软件客户端用户的大量流失。因而,向用户推送其目前感兴趣或未来可能感兴趣的优质内容是极其重要的环节,而在线推荐系统是当下解决这一问题的有效方法。推荐系统利用用户的历史信息对其偏好进行评估并预测用户可能的选择。在很多情况下,推荐系统的目标用户可以组成一个社交网络。已知的社交网络关系能够提供重要的附加信息,例如用户之间的共同偏好等。对于用户共同偏好的有效利用能够使推荐的质量大幅提升。而目前利用用户社会关系网络的推荐系统通常只利用简单的用户关联而不考虑用户相互间的影响力。通常情况下,用户对于推荐系统的参与程度呈现出重尾特性,因此系统对于不同用户潜在偏好掌握的精确程度是不同的,单一地只考虑用户关系会导致推荐资源利用效率的降低。
技术实现思路
本专利技术旨在针对目前推荐系统单一地只考虑用户关系而不考虑用户相互间的影响力所带来的问题,本专利技术采用以下技术方案。提供一种商品在线推荐方法,包括:根据已知的用户关系建立用户间动态影响力矩阵并进行初始化;针对各用户根据每个商品的特征向量和该用户最新的潜在偏好向量确定期待收益,并选取期待收益最大的相应商品推荐给各用户;< ...
【技术保护点】
1.一种商品在线推荐方法,其特征在于,包括:/n根据已知的用户关系建立用户间动态影响力矩阵;/n针对各用户根据每个商品的特征向量和该用户最新的潜在偏好向量确定期待收益,并选取期待收益最大的相应商品推荐给各用户;/n其中,所述用户最新的潜在偏好向量的确定方法包括:/n获取选定用户针对推荐商品反馈的回报值,根据实际推荐给该选定用户的商品的特征向量和用户针对推荐商品反馈的回报值对该选定用户的潜在偏好向量进行更新,得到该选定用户最新的潜在偏好向量;/n根据推荐给选定用户商品的准确程度更新所述用户间动态影响力矩阵;由更新后的用户间动态影响力矩阵、本轮推荐的商品的特征向量和选定用户针对推荐商品反馈的回报值更新除去选定用户的其余所有用户的潜在偏好向量,得到其余所有用户最新的潜在偏好向量。/n
【技术特征摘要】 【专利技术属性】
1.一种商品在线推荐方法,其特征在于,包括:
根据已知的用户关系建立用户间动态影响力矩阵;
针对各用户根据每个商品的特征向量和该用户最新的潜在偏好向量确定期待收益,并选取期待收益最大的相应商品推荐给各用户;
其中,所述用户最新的潜在偏好向量的确定方法包括:
获取选定用户针对推荐商品反馈的回报值,根据实际推荐给该选定用户的商品的特征向量和用户针对推荐商品反馈的回报值对该选定用户的潜在偏好向量进行更新,得到该选定用户最新的潜在偏好向量;
根据推荐给选定用户商品的准确程度更新所述用户间动态影响力矩阵;由更新后的用户间动态影响力矩阵、本轮推荐的商品的特征向量和选定用户针对推荐商品反馈的回报值更新除去选定用户的其余所有用户的潜在偏好向量,得到其余所有用户最新的潜在偏好向量。
2.根据权利要求1所述的一种商品在线推荐方法,其特征在于,
利用用户之间邻接关系矩阵表示用户间动态影响力矩阵,表示为:
其中,L表示用户间动态影响力矩阵,Z表示用户数,Lu,v表示矩阵L中第u行第v列的元素;
当u=v时,Lu,u等于与用户u有邻接关系的所有用户的数量,
当u≠v时,若用户u与用户v有邻接关系,则Lu,v=-1;若用户u与用户v没有邻接关系,则Lu,v=0。
3.根据权利要求1所述的一种商品在线推荐方法,其特征在于,选取期待收益最大的相应商品推荐给各用户表示如下:
其中it表示第t轮推荐给用户u的商品,表示第t-1轮更新得到的用户u的用户偏好向量的转置矩阵,qi表示第i个商品的特征向量,CBt(qi)表示第t轮推荐第i个商品的特征向量的置信区间。
4.根据权利要求3所述的一种商品在线推荐方法,其特征在于,第t轮推荐第i个商品的特征向量的置信区间CBt(qi)的计算方法如下:
其中表示第i个商品的特征向量的转置矩阵,表示第t-1轮中用户u逆相关矩阵,σ表示预先设定的可变参数。
5.根据权利要求4所述的一种商品在线推荐方法,其特征在于,将第t轮推荐第i个商品的特征向量的置信区间CBt(qi)作为推荐给选定用户商品的准确程度;
更新用户间动态影响力矩阵的方法如下:
当u≠v时,若用户u与用户v有邻接关系,则否则Lu,v=0;
当u=v时,Lu,u=-(Lu,1+…+Lu,u-1+Lu,u+1+…+Lu,Z),
其中,Z表示用户数。
技术研发人员:王玉峰,蔡秦楚,王震,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。