基于二部图资源非均匀分配的个性化商品推荐方法技术

本发明专利技术涉及人工智能以及电子商务领域，公开了一种基于二部图资源非均匀分配的个性化商品推荐方法，包括以下具体步骤：预处理步骤、资源扩散步骤、推荐商品计算步骤以及个性化推荐步骤。本发明专利技术的优点在于，引入二部图资源非对称分配方法，模拟物理学中的资源扩散机理，可以有效分析和预测用户偏好，其所推荐的商品具有更好的准确率和多样性，特别是在电子商务领域具有良好的应用前景。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及人工智能以及电子商务领域，公开了一种，包括以下具体步骤：预处理步骤、资源扩散步骤、推荐商品计算步骤以及个性化推荐步骤。本专利技术的优点在于，引入二部图资源非对称分配方法，模拟物理学中的资源扩散机理，可以有效分析和预测用户偏好，其所推荐的商品具有更好的准确率和多样性，特别是在电子商务领域具有良好的应用前景。【专利说明】
本专利技术涉及人工智能以及电子商务领域，特别涉及一种基于二部图资源非均匀分 配的个性化商品推荐方法。
技术介绍
网络所带来的便捷的信息传递和信息服务推动着电子商务的蓬勃发展，人们在逐 渐享受由此带来的巨大惊喜的同时，也面临着从传统购物方式向网络虚拟购物方式转变的 挑战:面对Web商家如此众多的商品，用户无法一眼通过屏幕了解所有的商品，无法方便地 发现自己感兴趣的商品，也无法直接检查商品的质量。个性化推荐技术的出现即为了解决 此类问题，它是根据用户的兴趣特点和购买行为，向用户推荐其感兴趣的信息和商品。以个 性化推荐技术为核心构建的个性化推荐系统是建立在海量数据挖掘基础上的一种高级商 务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。 例如:购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的 个性化需求，通常推荐基于:网站最热卖商品、客户所处城市、客户过去的购买行为和购买 记录，推测客户将来可能的购买行为等。现阶段个性化推荐方法很多，主要包括协同过滤算法，基于内容的推荐算法等。协 同过滤算法分析用户兴趣，在用户群中找到指定用户的相似(兴趣)用户，综合这些相似用 户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测，其相似度计算方 法常采用余弦相似性以及相关相似性。基于内容的推荐是协同过滤技术的延续与发展，它 不需要依据用户对项目的评价意见，而是依据用户已经选择的产品内容信息计算用户之间 的相似性，进而进行相应的推荐，该方法可以克服协同过滤存在的一些问题，如:稀疏性问 题等。上述两种方法各有其优点，但是也存在着许多不足，例如，无法很好地通过个性化服 务来提高用户对于推荐结果的满意度，对保持现有客户，挖掘潜在客户等方面存在着各种 不足之处，导致推荐的准确率和多样性均为堪忧。因此，有必要结合针对不同用户的个性化 服务来研发一种具有更好的准确率和多样性的推荐方法。
技术实现思路
本专利技术针对现有技术中普遍存在个性化不足，无法合理有效地分析和预测用户偏 好，推荐结果的准确率和多样性不足的缺点，提供了一种新型的基于二部图资源非均匀分 配的个性化商品推荐方法。为实现上述目的，本专利技术可采取下述技术方案:，包括以下具体步骤:预处理步骤:分别构建用户集U= Iu1, U2, , um},商品集O=11, O2, , on},其中,m 表示用户的数量，η表示商品的数量；建立用户-商品连接矩阵A={au}，其中，au表示用户 i和商品j之间的连接，如果用户i选择过商品j，则令Sij=I,否则令Sij=O ；资源扩散步骤:资源以非对称扩散方式由商品扩散至用户，然后，以同样的方法由用户扩散至商品，具体步骤如下:I)将资源由商品扩散至用户，其资源扩散公式为:【权利要求】1.一种，其特征在于，包括以下具体步骤:预处理步骤:分别构建用户集U=Iu1, U2,, UmI,商品集O=11, O2,, OnI ,其中，m表示用户的数量，η表示商品的数量；建立用户-商品连接矩阵A={au}，其中，％表示用户i 和商品j之间的连接，如果用户i选择过商品j，则令Sij=I,否则令Sij=O ；资源扩散步骤:资源以非对称扩散方式由商品扩散至用户，然后，以同样的方法由用户扩散至商品，具体步骤如下:1)将资源由商品扩散至用户，其资源扩散公式为: 2.根据权利要求1所述的，其特征在于，还包括以下步骤，用户资源初始化步骤:对于给定的目标用户，将该目标用户所选择过的商品的初始资源设为1，将该目标用户未选择过的商品的初始资源设为0，得到一个η维的值为O或者I的矢量，即该目标用户的初始资源/。【文档编号】G06Q30/02GK103559626SQ201310456812【公开日】2014年2月5日 申请日期:2013年9月24日 优先权日:2013年9月24日 【专利技术者】刘东升, 许翀寰 申请人:浙江工商大学本文档来自技高网...

【技术保护点】
一种基于二部图资源非均匀分配的个性化商品推荐方法，其特征在于，包括以下具体步骤：预处理步骤：分别构建用户集U={u1,u2,...,um}，商品集O={o1,o2,...,on}，其中，m表示用户的数量，n表示商品的数量；建立用户?商品连接矩阵A={aij}，其中，aij表示用户i和商品j之间的连接，如果用户i选择过商品j，则令aij=1，否则令aij=0；资源扩散步骤：资源以非对称扩散方式由商品扩散至用户，然后，以同样的方法由用户扩散至商品，具体步骤如下：1）将资源由商品扩散至用户，其资源扩散公式为：其中，plj表示用户ul从商品oj处获得的资源，k(ut)表示用户ut的用户度，所述用户度表示用户选择过商品的数量，α为调节因子，用于提高资源扩散的准确率和多样性；2）将资源由用户扩散至商品，其资源扩散公式为：其中，qil表示商品oi从用户ul处获得的资源，k(oi)表示商品oi的商品度，所述商品度表示商品被用户选择的次数，vli表示用户ul对商品oi的兴趣度，所述兴趣度表示用户对商品的关注程度，k(os)表示商品os的商品度，vls表示用户ul对商品os的兴趣度；3）将资源自商品oj经用户ul扩散至商品oi，其资源扩散公式为：wijl=pljqil=aljalikα(oi)vliΣt=1matjkα(ut)Σs=1nalskα(os)vls;4）将资源由商品oj经所有用户扩散至商品oi，其扩散公式为：wij=Σl=1mwijl=Σl=1mpljqil=1Σt=1matjkα(ut)Σl=1maljalikα(oi)vliΣs=1nalskα(os)vls;推荐商品计算步骤：计算最终资源分配矢量：W′=W+βW2，其中，表示最终资源分配矢量，W={wij}表示经资源扩散步骤得到的资源矩阵，β为可调节参数，用于消除相似性冗余，表示用户的初始资源； 个性化推荐步骤：将目标用户尚未选择过的所有商品，分别按照最终资源分配矢量中的对应元素由大到小进行排序，取排名靠前的一个或者多个商品作为推荐商品推荐给用户。FDA0000386807080000011.jpg,FDA0000386807080000012.jpg,FDA0000386807080000013.jpg,FDA0000386807080000017.jpg,FDA0000386807080000018.jpg,FDA0000386807080000019.jpg,FDA0000386807080000021.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘东升，许翀寰，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：