[发明专利]基于块对角矩阵的推荐方法和装置

说明书

技术领域

本发明涉及网络信息智能处理领域，具体而言，涉及一种基于网络用户浏览、购买行为记录的协同过滤式个性化推荐方法和装置。

背景技术

随着互联网的快速普及和网络基础设施、服务的日益完善，搜索引擎、电子商务、社交网站等网络应用已经深入到互联网用户生活的方方面面。以电子商务网站而言，据中国互联网络信息中心（CNNIC）在2013年的统计报告显示，我国网络购物用户的规模已达到2.42亿人，网络购物应用的使用率达到43%以上。

个性化推荐技术致力于向网络用户自动推荐其最有可能感兴趣的物品或服务。个性化推荐技术的核心在于“个性化”。在购物网站中，不同的用户有不同的偏好和关注的领域，例如有的用户经常购买电子产品，而有的用户则主要关注于化妆品等日用产品。如果向经常购买的电子产品的用户推荐其并不感兴趣的化妆品产品，则往往不能得到用户的采纳，反之亦然。因此，推荐策略必须考虑到用户的个体差异性，根据用户的不同需求给出不同的推荐结果，从而最大化用户采纳该推荐的可能。

协同过滤技术是目前实现个性化推荐的各项技术中应用最为普遍、效果也最为明显的一项技术。实现协同过滤的具体技术手段有多种，而基于用户的协同过滤是其中较为直观和易于理解的一种。基于用户的协同过滤首先通过用户的评分记录来计算每两个用户之间的相似程度，当对一个目标用户进行个性化推荐时，会从全部用户群体中选出与目标用户兴趣相似的用户，进而利用这些用户所喜欢的商品为目标用户提供个性化的商品推荐。一个典型的例子是关联商品推荐，例如当用户在浏览某一个商品时，购物网站往往会提示“购买该商品的用户也喜欢如下这些商品”，这是基于用户的协同过滤技术的一种重要表现形式。除基于用户的协同过滤之外，还有基于物品的协同过滤和基于模型的协同过滤。不管是哪种协同过滤技术，其最重要的特征均为利用整个用户群体的行为信息进行整体的分析和建模，并最终为目标用户给出合理的推荐结果。

然而，目前基于矩阵分解的协同过滤算法在精度和算法效率两方面存在不足。

发明内容

针对目前基于矩阵分解的协同过滤算法的不足，本发明提出了一种基于块对角矩阵的推荐方法和推荐系统来提高预测和推荐的精度与效率。

根据本发明的一个方面，本发明提出了一种基于块对角矩阵的推荐方法，包括：步骤S1：对用户行为日志进行预处理；步骤S2：将预处理的结果转换为迭代双边块对角矩阵；步骤S3：由所述迭代双边块对角矩阵构建对角块矩阵；以及步骤S4：利用所述对角块矩阵进行评分预测。

在上述推荐方法中，所述步骤S1包括：对所述用户行为日志进行编码转换；根据编码转换的结果构建用户物品评分矩阵；以及根据所述用户物品评分矩阵构建对应的用户物品评分二部图。

在上述推荐方法中，所述步骤S2包括：步骤S2.1：将所述用户物品评分矩阵设为当前迭代双边块对角矩阵；步骤S2.2：计算当前迭代双边块对角矩阵的各对角块的平均密度，如果达到或超过预设的最小平均块密度则所述步骤S2结束并返回当前结果，如果未达到所述最小平均块密度则进行到步骤S2.3；步骤S2.3：计算各对角块的面积，按照面积由大到小进行排序，并设定所有对角块的标记为0；步骤S2.4：判断是否还存在标记为0的对角块，如果不存在，则步骤S2结束并返回当前结果；如果存在，则进行到步骤S2.5；步骤S2.5：在标记为0的对角块中选取面积最大的对角块，将其标记改为1，并进行分割以构建两个新对角块；步骤S2.6：检查分割后的所述新对角块的平均密度与分割前相比是否有所提升，如果没有提升，则返回执行步骤S2.4；如果有提升，则进行到步骤S2.7；步骤S2.7：采纳并保留所述步骤S2.5中的分割，并返回执行所述步骤S2.2。

在上述推荐方法中，所述步骤S2.5包括：步骤S2.5.1：构建所述面积最大的对角块的二部图，寻找包含尽可能少的点的点集合，去掉所述点集合以分割所构建的二部图；步骤S2.5.2：在所述分割的基础上，将对角块子矩阵中相应于所述点集合中的行节点的那些行移动到矩阵的下部，同时将对角块子矩阵中相应于所述点集合中的列节点的那些列移动到矩阵的右部；步骤S2.5.3：将子矩阵中剩下的行和列按照所述分割结果中的两个子图所对应的节点排列为所述两个新对角块。