[发明专利]一种基于不同维度特征和综合评价指数的残留物判定算法

权利要求书

1.一种基于不同维度特征和综合评价指数的残留物判定算法，其特征在于，包括：

步骤1：计算未通过筛选商品整体满意度pos_u与整体不满意度neg_u：

posu=Σv=0n-1ρv·posu,v/Σv=0n-1ρv]]>

negu=Σv=0n-1ρv·negu,v/Σv=0n-1ρv]]>

其中，在有M个商品的N维数据集上，用户进行商品筛选的维度数量为n(n≤N)，不满足筛选条件的商品数量为m(m＜M)；不满足筛选条件的商品P_u(u∈[0,m-1])在筛选维度D_v(v∈[0,n-1])上的满意度为pos_u,v，不满意度为neg_u,v；维度的重要性，对应于维度权重向量ρ_v(v∈[0,n-1])；

步骤2：计算商品综合评价指数eva_u：

eva_u＝α·N_+/-(μ₁,δ₁)+β·N_p/n(μ₂,δ₂)

其中，n₊表示商品p_u满足筛选条件的维度总数，n_-(n₊+n_-＝n)表示不满足筛选条件的维度总数，根据n₊和n_-之差及商品整体满意度pos_u与整体不满意度neg_u之差定义商品综合评价指数,N_+/-表示综合评价指数中满足与不满足筛选条件的维度数的差部分，与n₊-n_-相关；N_p/n表示综合评价指数中商品整体满意度与不满意度的差部分，与pos_u-neg_u相关；且默认两部分重要性相同，即α＝β＝0.5；N_+/-和N_p/n分别满足高斯分布，即：

N(x,μ,δ)=1δ2πe-(x-μ)22δ2]]>

其中，μ＝Σ_ux_u/m，而对于N_+/-，x为n₊-n_-；对于N_p/n，x为pos_u-neg_u；可得到未通过筛选的所有商品的综合评价指数集合，即：

EVA＝{eva_u|u∈[0,m-1]}；

步骤3：判定残留物：

将所有商品的综合评价指数排序，取排名前t的商品p_u′(u′∈[0,t-1])作为残留物的候选，其中

2.根据权利要求1所述的一种基于不同维度特征和综合评价指数的残留物判定算法，其特征在于，所述步骤1中不满足筛选条件的商品在筛选维度上的满意度与不满意度计算方法如下：

若筛选维度属于确定型维度，假设用户筛选元素为集合F_j，则商品在第j个维度的满意度pos_j与不满意度neg_j为：

当d_j∈F_j时，posj=1negj=0]]>

当dj∉Fj]]>时，posj=0negj=1]]>

若筛选维度属于范围型维度，假设用户筛选条件为[a_j,b_j]，其中，a_j≤b_j；当a_j≠b_j时，商品在第j个维度的满意度pos_j与不满意度neg_j为：

当dj∈[aj,bj]]]>时，posj=|dj-(aj+bj)|/(bj-aj)negj=0]]>

当dj∉[aj,bj]]]>时，posj=0negj=min{3|dj-(aj+bj)/2|/(bj-aj),1}]]>

若筛选维度属于极值型维度，假设用户筛选条件为[0,c_j]或[c_j,+∞)，其中，c_j≥0；当c_j≠0时，商品在第j个维度的满意度pos_j与不满意度neg_j为：

当d_j满足筛选条件时，posj=|dj-cj|/cjnegj=0]]>

当d_j不满足筛选条件时，posj=0negj=min{|dj-cj|/cj,1}]]>

特殊地，当a_j＝b_j或c_j＝0时，商品在第j个维度的满意度pos_j与不满意度neg_j为

当d_j满足筛选条件时，posj=1negj=0]]>

当d_j不满足筛选条件时，posj=0negj=1]]>

其中，d_j为商品在第j个维度上的值；pos_j、neg_j取值范围为：posj∈[0,1]negj∈[0,1].]]>