[发明专利]一种基于信度网的资源推荐方法和装置

权利要求书

1.一种基于信度网的资源推荐方法，其特征在于，包括：

A、在用户访问系统资源的过程中，当每次满足推荐条件时，则执行步骤B；

B、为用户建立基于信度网的用户兴趣模型；根据所建立的用户兴趣模型确定待推荐资源；按照用户感兴趣的程度由高到低的顺序对各待推荐资源进行排序，将排序后的结果推荐给用户。

2.根据权利要求1所述的方法，其特征在于，所述步骤A包括：

用户每访问一个新的资源，则生成一个数据，所述数据用于描述用户对系统中各资源的访问或评价情况；

当每生成N个数据时，则执行一次步骤B，N为正整数。

3.根据权利要求2所述的方法，其特征在于，所建立的用户兴趣模型的个数为一个，建立方式包括：

B11、随机生成μ个不同的信度网，并从中选出一个作为最优信度网S_b，μ为大于1的正整数；每个信度网中的每个节点分别对应系统中的一个资源，每个信度网中的节点数均等于系统中的资源数；

B12、根据S_b分别计算出所生成的各信度网的评分函数值；

B13、如果计算出的μ个评分函数值中的最大值与最小值之差小于预定阈值，或者，本步骤的重复执行次数已经达到预定阈值，则将取值最大的评分函数值对应的信度网作为S_b，并将S_b作为用户兴趣模型，结束流程，否则，将取值最大的评分函数值对应的信度网作为S_b，执行步骤B14；

B14、根据最新一次生成的μ个信度网生成λ个新的信度网，λ为大于1的正整数，且大于μ；

B15、根据新的S_b分别计算出各新的信度网的评分函数值，并按照评分函数值由大到小的顺序从中选出μ个信度网，重复执行步骤B13。

4.根据权利要求3所述的方法，其特征在于，所述计算每个信度网的评分函数值包括：

针对每个信度网S，分别计算其与新数据的匹配程度、与旧数据的匹配程度以及惩罚因子；用与新数据的匹配程度减去预定系数与旧数据的匹配程度的乘积，再减去惩罚因子，则得到信度网S的评分函数值；

其中，所述新数据为以下之一：最新N次生成的数据、截止时间为当前时间的一段预定时长内生成的数据；除新数据以外的数据即为旧数据。

5.根据权利要求4所述的方法，其特征在于，

所述计算信度网S与新数据的匹配程度包括：计算信度网S与新数据之间的似然度log(D|S)，D表示新数据；

所述计算信度网S与旧数据的匹配程度包括：计算信度网S与上一次进行推荐时所建立的用户兴趣模型之间的距离其中，Z表示问题域Rⁿ＝{X₁，X₂....X_n}中所有变量的一次赋值，X_i表示系统中的任一资源，1≤i≤n，n表示系统中的资源数，表示上一次进行推荐时所建立的用户兴趣模型；

所述计算信度网S的惩罚因子包括：计算其中，Pen(S)表示惩罚因子，L表示旧数据的个数，K表示新数据的个数，π_i表示资源X_i在信度网S中对应的节点的父节点的集合，||||表示可能的取值数。

6.根据权利要求5所述的方法，其特征在于，所述信度网S包括两部分：有向无环图结构和各节点的条件概率分布；在计算信度网S的评分函数值时，有向无环图结构以编码的形式参与运算；

其中，有向无环图结构的编码包括三部分：第一部分、第二部分和第三部分；

第一部分表示信度网S中的各节点的排序，任何节点的父节点都必须排在该节点的后面；

第二部分表示每个节点的父节点在第一部分中的排序位置分布情况，共包括n-1段，第1段表示第一部分中排在第1位的节点的父节点在第一部分中的排序位置分布情况，第2段表示第一部分中排在第2位的节点的父节点在第一部分中的排序位置分布情况，依次类推；

第三部分为自适应步长σ，σ为整数。