[发明专利]基于上下文感知的支持向量回归推荐方法及系统

权利要求书

1.一种基于上下文感知的支持向量回归推荐方法，其特征在于，包括以下步骤：

S1：根据目标用户历史记录获得用户自身的属性信息，并根据用户自身的属性信息构建用户特征属性矩阵；

S2：获取待推荐项目的特征属性信息，得到项目特征属性信息矩阵；并获取用户对待推荐项目特征属性的偏好信息，得到项目特征属性的偏好矩阵；根据项目特征属性信息矩阵和项目特征属性的偏好矩阵构建用户偏好矩阵；

S3：根据目标用户选择项目时所处的上下文信息情境构建上下文情境矩阵，所述上下文情境矩阵能够标识用户是否处于影响用户行为的上下文信息情境中；获得用户在上下文信息下对各项目的实际评分值，构建评分矩阵；基于上下文情境矩阵、用户特征属性矩阵、用户偏好矩阵以及所述评分矩阵，构建得到基于上下文的用户偏好模型；

S4：利用支持向量回归SVR算法对所述基于上下文的用户偏好模型进行优化，当达到预定阈值后，将优化后的基于上下文的用户偏好模型作为有效的评分预测模型；基于所述评分预测模型计算目标用户的未购买过项目的评分，并将评分最高的前L个项目推荐给所述目标用户，所述L为自然数；

其中：

(1)所述步骤S3包括：

根据用户选择项目时所处的上下文信息构建上下文情境矩阵C_NT，如下：

其中，N为用户个数，T为不同上下文信息的个数，c_nt为用户n所处的上下文信息t情境下的信息；

所述c_nt的取值通过下式确定：

(2)所述的构建用户特征属性模型具体为：采用下式针对用户自身的属性信息来进行建模，构建用户特征属性矩阵：

其中，N为用户个数，K为用户选取的自身属性信息的个数，u_nk表示用户n涉及自身属性k的信息；所述u_nk的取值通过下式确定：

(3)所述获取项目特征属性信息，得到项目特征属性信息矩阵具体如下：

其中，J是项目个数，M是项目的特征属性个数，item_jm表示第j个项目的第m个特征属性的信息；所述item_jm的取值通过下式确定：

(4)采用下式获取用户对待推荐项目特征属性的偏好信息，得到项目特征属性的偏好矩阵P_NM：

其中，N为用户个数，M为项目的特征属性个数，p_nm是用户n对项目的第m个特征属性的偏好值；所述用户n对项目的第m个特征属性的偏好值定义为：其中，n_m表示用户n评价过的所有项目中包含第m个特征属性的项目个数，j_n表示用户n评价过的所有项目的个数，p_nm的范围为[0,1]；

(5)采用下式计算出用户_n对所有项目的用户偏好矩阵M_n：

M_n＝Item_JM×P_NM；

(6)所述步骤S3还包括：

基于上下文情境矩阵、用户特征属性矩阵和用户偏好矩阵扩展构建得到基于上下文的用户偏好模型y，如下：

y:(U_NK,M_n,C_NT)→R

其中，基于上下文的用户偏好模型y的输入向量为U_NK、M_n、C_NT，输出向量为R，R是由用户n在上下文信息c_nt下对各项目的实际评分值构成的评分矩阵。

2.根据权利要求1所述的方法，其特征在于，步骤S4中有效的评分预测模型生成方法包括：基于构建的所述基于上下文的用户偏好模型，利用训练集训练得到评分预测模型。