[发明专利]一种基于群体用户行为分析的个性化推荐方法

权利要求书

1.一种基于群体用户行为分析的个性化推荐方法，其特征在于，包括：

步骤1通过数据分析及过滤原则对用户日志行为数据进行噪音过滤；

步骤2根据用户u在一段时间内的对商品j的操作行为数据，分析统计出用户u对商品j的操作行为分布，再采用朴素贝叶斯规则的条件概率方法，计算用户u对商品j的时序动态兴趣度p^ts(buy|user＝u,item＝j)；

步骤3根据群体用户在整个时间段的操作行为数据分析时序特征，采用统计的方式拟合用户u对商品j的时间遗忘曲线f(t)；

步骤4根据用户u在不同时间段对商品j的时序动态兴趣度p^ts(buy|user＝u,item＝j)以及用户u对商品j的遗忘的时间曲线f(t)，聚合用户u在不同时间段对商品j的兴趣度来预测用户的当前兴趣度A_uj(t)，计算公式如下：

Auj(t)=Σts=1tpts(buy|user=u,item=j)×f(t-ts)]]>

其中，A_uj(t)是带权时序二分网络图，每一个元素表示用户u在时间t对商品j的兴趣度；ts表示一时间段；

步骤5采用群体性过滤方法，通过分析与用户兴趣类似的其他用户的喜好来为用户进行个性化推荐，然后再利用随机游走进行资源分配，以用户对商品的评分值作为二部图的权重的加权网络推断，预测用户u对商品j的潜在兴趣度F_uj(t)；

步骤6根据所述潜在兴趣度F_uj(t)，聚合群体用户的兴趣度R_j(t)；

步骤7联合所述群体用户的兴趣度R_j(t)和所述潜在兴趣度F_uj(t)，预测和推荐用户u在t时刻的商品偏好WR_u(t)，得出用户感兴趣的商品的排名结果：

WRu(t)=(1-δ)×Rj(t)+δ×Fujδ=c×arctan(|Fuj|-S)÷π+d]]>

其中，δ表示调节参数；S为平滑参数，表示用户u虚拟交互次数；|F_uj|表示用户u交互商品集合的个数；c和d均为控制所述调节参数δ的参数。