[发明专利]基于以列表为单位的用户推荐列表生成方法及系统

权利要求书

1.一种基于以列表为单位的用户推荐列表生成方法，其特征在于，其包括如下步骤：

S1、从在线服务商处获取用户对物品的评分记录，其中评分记录为评分矩阵R，在评分矩阵R中的每一个元素rij表示用户i对物品j的评分；在用户i没有对物品j评分时，指示矩阵I中的元素Ii,j＝0，在用户i对物品j作出评分时，Ii,j＝1；对用户评价过的物品，按照评分的大小顺序排序，得到用户的偏好顺序πi，其中第j个元素πi,j表示排在第j位的物品编号；

S2、根据用户的偏好顺序πi，通过梯度下降法学习用户偏好U及物品特征V；

S3、根据所学习的用户偏好U及物品特征V，对每一个用户i，获取该用户对所有没有评分的物品j的评分预测值计算公式为：其中ui,vj均为行向量，ui表示用户i的偏好和物品j特征，vj表示物品j特征，并对按照从大到小进行排序，得到对用户i推荐列表；

所述步骤S2包括如下子步骤：

S21、初始化所预测的用户偏好以及所预测的物品特征，包括随机生成用户偏好矩阵U以及物品特征矩阵V中的每一个元素；

S22、检查收敛条件，在迭代次数达到预设值或者目标函数的值不再减少时，跳转到步骤S3；在迭代次数小于预设值并且目标函数的值减少时，跳转到步骤S23；

S23、通过梯度下降法更新所述预测的用户偏好ui及所预测的物品特征值vj，跳转到步骤S22；

更新方法如下：

其中η为梯度下降法的学习率；

所述梯度下降法的学习率η的值为0.1；

所述步骤S23中梯度的计算方法为：

Δu i = α ( Σ j = 1 M I i , j φ ( r ^ i , j ) φ ′ ( r ^ i , j ) v j Σ j = 1 M I i , j φ 2 ( r ^ i , j ) + Σ j = 1 M I i , j φ ( r i , j ) φ ′ ( r ^ i , j ) v j Σ j = 1 M I i , j φ ( r ^ i , j ) φ ′ ( r ^ i , j ) ) + ( 1 - α ) Σ j = 1 | π i | ( Σ k = j | π i | φ ′ ( r ^ i , π i , k ) v π i , k Σ k = j | π i | φ ( r ^ i , π i , k ) - φ ′ ( r ^ i , π i , k ) v π i , k φ ( r ^ i , π i , k ) ) + 2 λ u u i ]]>

Δv j = α Σ i = 1 N I i , j ( φ ( r ^ i , j ) φ ′ ( r ^ i , j ) u i Σ k = 1 M φ 2 ( r ^ i , j ) + φ ( r i , j ) φ ′ ( r ^ i , j ) u i Σ k = 1 M φ ( r ^ i , j ) φ ( r ^ i , j ) ) + ( 1 - α ) Σ i = 1 N I i , j ( Σ l = 1 π i , j = j φ ′ ( r ^ i , j ) u i Σ k = l | π i | φ ( r ^ i , π i , k ) - φ ′ ( r ^ i , π i , k ) u i φ ( r ^ i , π i , k ) ) + 2 λ v v j ; ]]>

在以上两个公式中，α∈[0,1]，表示基于余弦函数相似度的权重；是对πi中物品评分的预测；I为指示矩阵。