[发明专利]一种基于用户偏好的自适应采样方法

权利要求书

1.一种基于用户偏好的自适应采样方法，其特征在于，包括步骤：

S1，以特征学习的方法从用户和商品的属性特征中学习到用户和商品的低秩表达U⁰和V⁰，作为BPR模型的初始参数；

S2，根据商品的低秩表达在不同特征维度下对商品进行从大到小排序，得到k个特征维度下的商品排序列表L₁，L₂，...，L_k；

S3，根据商品和用户的低秩特征表达向量，计算训练集合中每一用户购买商品记录(u_i，v_p)从属于各特征维度的概率分布p(d|u_i，v_P)，并以0初始化一与低秩特征维数相等长度的计数器数组counts；

S4，根据概率分布p(d|u_i，v_p)从低秩特征向量的维度中采样出一特征维度d_z作为相关购买记录从属的特征维度；

S5，利用几何分布在商品集合排序空间中以预设概率p(r)采样出一排序序号r；

S6，结合特征维度d_z和排序序号r在商品排序列表中取得一商品作为一个可与用户已经购买的商品v_p进行比较且当前用户未曾购买的商品v_q，如果采样得到的商品是用户u_i购买过的商品，重新执行S5-S6，直到得到的商品是用户u_i没有购买过的商品v_q组成一个三元组(u_i，v_p，v_q)，并让计数器加1；然后重复构建一个三元组集合D_s；

S7，用三元组集合D_s训练一轮BPR模型，得到商品和用户的低秩表达矩阵V¹∈R^m×k，U¹∈R^n×k，并以U¹更新U⁰；

S8，根据计数器数组counts值计算各特征维度的热门程度，并根据热门程度采样一个特征维度d_h，计算V¹的第d_h列和V⁰的第d_h列的相应向量的相似度若sim≤ρ，0＜ρ＜1，则以V¹的第d_h列更新V⁰的第d_h列，并重新对商品根据特征维度d_h特征值大小进行排序，更新排序列表

S9，执行S3～S8，直到U¹和V¹收敛。

2.根据权利要求1所述基于用户偏好的自适应采样方法，其特征在于，所述概率分布p(d|u_i，v_p)通过下式获得：

其中，和分别表示U⁰和V⁰的列平均值，和则表示U⁰和V⁰的列方差。

3.根据权利要求1所述基于用户偏好的自适应采样方法，其特征在于，所述预设概率p(r)∝exp(-r/ω)，ω是一个先验参数，用以控制分布的概率密度。