[发明专利]一种基于隐式偏见和好友兴趣的电影评分预测方法

权利要求书

1.一种基于隐式偏见和好友兴趣的电影评分预测方法，其特征在于该方法包括以下具体步骤：

a)根据电影评分日志数据和好友列表数据，分别生成用户-物品评分矩阵和用户-好友关系矩阵，两个矩阵分别记为R，F；手动设置模型训练参数即好友兴趣权重w；

b)根据用户-物品评分矩阵、用户-好友关系矩阵及模型训练参数，训练“结合个人偏见和好友兴趣的评分预测模型”，得到用户-物品偏见矩阵、用户隐式特征矩阵和物品隐式特征矩阵；具体为：

ⅰ)设计“结合个人偏见和好友兴趣的评分预测模型”，包括：目标函数和评分预测公式；目标函数L为：

L=Σu,i∈R(rui-r^ui)2+λ||P||2+λ||Q||2]]>

其中，u表示用户，i表示物品，P，Q分别表示用户隐式特征矩阵和物品隐式特征矩阵，λ为P，Q的因子；评分预测公式为：

r^ui=μ+bu+bi+pu·(w|F(u)|Σj∈F(u)pjT+qiT)]]>

其中，表示用户u对电影i的预测评分，μ为R中评分的平均值，b_u+b_i表示用户u对电影i的偏见值，p_u，q_i分别表示用户和物品的隐式特征向量，分别是P中的第u列和Q中的第i列，F(u)表示用户u的好友列表，w为好友兴趣权重；

ⅱ)采用随机梯度下降算法，训练“结合个人偏见和好友兴趣的评分预测模型”,得到用户-物品偏见矩阵、用户隐式特征矩阵P和物品隐式特征矩阵Q；

c)根据用户隐式特征矩阵和用户-好友关系矩阵，以好友兴趣的中心乘以给定的权重，计算好友兴趣隐式特征矩阵，具体为：根据好友权重w、用户隐式特征矩阵P和用户-好友关系矩阵，计算好友兴趣隐式特征矩阵；其中，用户u的好友兴趣隐式特征向量的计算如下：

w|F(u)|Σj∈F(u)pjT;]]>

d)根据训练出来的用户-物品偏见矩阵、用户隐式特征矩阵P、物品隐式特征矩阵Q、好友兴趣隐式特征矩阵以及步骤b)中用户对电影的预测评分公式，生成用户-物品预测评分矩阵记为；

e)根据用户-物品预测评分矩阵生成推荐列表，为每个用户推荐节目；其中，对于用户u,排序其对所有电影的预测评分，取前N个电影推荐给该用户。