[发明专利]一种基于项目的迁移学习推荐方法及其推荐装置

权利要求书

1.一种基于项目的迁移学习推荐方法，其特征在于，所述迁移学习推荐方法包括以下步骤：

分别建立辅助域和目标域的用户-项目评分矩阵；标准化辅助域和目标域的用户-项目评分矩阵；

分解标准化后的辅助域的用户-项目评分矩阵，获取项目特性矩阵；

利用项目特性矩阵V扩充目标域的用户-项目评分矩阵；根据扩充后的目标域的用户-项目评分矩阵生成推荐。

2.根据权利要求1所述的一种基于项目的迁移学习推荐方法，其特征在于，所述标准化辅助域和目标域的用户-项目评分矩阵具体为：

若辅助域的用户-项目评分矩阵为二元评分，目标域的用户-项目评分矩阵为数值型评分，将目标域的用户-项目评分矩阵转化为0-1区间的数值型评分；

若辅助域的用户-项目评分矩阵为二元评分，目标域的用户-项目评分矩阵为a-b区间数值型评分，将目标域的用户-项目评分矩阵中的某一评分x转化为(x-a)/(b-a)。

3.根据权利要求1所述的一种基于项目的迁移学习推荐方法，其特征在于，所述分解标准化后的辅助域的用户-项目评分矩阵，获取项目特性矩阵具体为：

采用规范化的奇异值分解方法分解标准化后的辅助域的用户-项目评分矩阵R_aux；

R_aux＝μ+b_i+b_j+U_iV_j

分解为全局平均值μ、用户偏差b_i、项目偏差b_j、用户特性矩阵U以及项目特性矩阵V；其中，矩阵U的第i行向量U_i为用户i的特性，矩阵V的第j行向量V_j为项目j的特性。

4.根据权利要求1所述的一种基于项目的迁移学习推荐方法，其特征在于，所述利用项目特性矩阵V扩充目标域的用户-项目评分矩阵具体为：

分解目标域的用户-项目评分矩阵的目标函数为：

其中，为损失函数；R^ij=μ+bi+bj+Ui(αVjT+(1-α)VjT)]]>为R_ij的估计值；α为学习速率；Y_ij为指示矩阵，若用户i评价过项目j则Y_ij＝1，否则Y_ij＝0；为正规化项，防止目标域评分矩阵分解过程中出现过拟合；α_u、α_v、β_u和β_v均为梯度学习速率。

5.一种基于项目的迁移学习推荐装置，其特征在于，所述迁移学习推荐装置包括：

建立模块，用于分别建立辅助域和目标域的用户-项目评分矩阵；

标准化模块，用于标准化辅助域和目标域的用户-项目评分矩阵；

获取模块，用于分解标准化后的辅助域的用户-项目评分矩阵，获取项目特性矩阵；

扩充模块，用于利用项目特性矩阵V扩充目标域的用户-项目评分矩阵；

推荐模块，用于根据扩充后的目标域的用户-项目评分矩阵生成推荐。