[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

说明书

本发明公开了一种基于上下文感知的支持向量回归推荐方法，包括：构建用户特征属性矩阵；得到项目特征属性信息矩阵，得到项目特征属性的偏好矩阵，构建用户偏好矩阵；构建上下文情境矩阵，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；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，得到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。本发明还公开了相应的系统。本发明能够应用于民航旅客附加服务的推荐，能够为旅客在众多的服务中较迅速准确的找到适合自己的服务。

技术领域

本发明涉及民用航空技术领域，尤其涉及一种基于上下文感知的支持向量回归推荐方法及系统。

背景技术

随着航空业的不断发展，服务类型不断增多，旅客面对的服务纷杂众多，无法迅速找到自己需要的服务，而现有的航空公司为旅客推荐的服务以及服务信息并不能满足用户需求，无法在最短时间内更有针对性的为旅客提供适合的服务。

目前已有一些为用户推荐服务的方法，该方法可以基于协同过滤算法、基于内容的推荐算法、混合推荐算法以及基于其他的一些推荐算法。其中，协同过滤推荐算法的核心思想可以分为两部分：1)利用用户的历史信息计算用户之间的相似性；2)利用与目标用户相似性较高的邻居对其他产品的评价来预测目标用户对特定产品的喜好程度。基于混合推荐算法主要有三种混合形式：整体式，并行式和流水线式。整体式是指将几种推荐策略整合到一个算法中实现的混合设计；并行式是几个推荐系统相互之间独立运行，分别产生推荐列表，随后对这些推荐列表进行整合得到最终推荐结果；流水线式是将多个推荐系统按照流水线架构连接起来，前一个推荐系统的输出变成后一个推荐系统的输入部分，依次流水线式不断调整推荐列表，进一步提升推荐系统的准确性。基于内容的推荐算法不需要依据用户对项目的评价意见，依据用户已经选择的产品内容信息计算用户之间的相似性，进而进行相应的推荐。

为了提升用户体验、提高客户满意度，也为了提升航空公司的服务质量和公司客流量，在民用航空领域需要一种新的推荐方法，能够基于对上下文信息的感知来为旅客、用户提供服务。

发明内容

为解决现有存在的技术问题，本发明实施例提供一种基于上下文感知的支持向量回归推荐方法及系统。

为达到上述目的，本发明实施例的技术方案是这样实现的：

一种基于上下文感知的支持向量回归推荐方法，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，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：