[发明专利]一种基于K近邻的贝叶斯个性化推荐方法及装置

权利要求书

1.一种基于K近邻的贝叶斯个性化推荐方法，其特征在于，所述方法包括：

通过K近邻构造当前用户的优先候选项目集合；

根据当前用户的正反馈项目集合和优先候选项目集合确定用户对项目的对级别偏好关系；

通过最大化所有用户在整体项目集合上的对级别偏好排序的概率得到目标函数；

对于目标函数，采用随机梯度下降法求解参数。

2.根据权利要求1所述的方法，其特征在于，所述通过K近邻构造当前用户的优先候选项目集合，包括：

根据用户行为数据计算用户之间的相似度，并选择最为相似的k个用户作为K近邻，用户之间相似度计算如下：

其中P_u和P_w分别代表观测的用户u和w的正反馈项目集合(如有购买、点击等行为的项目集合)；

根据当前用户u的观测数据和其K近邻组成的用户群(N)的观测数据对整个项目集合进行划分；

所述优先候选项目集合(C_u)为当前用户u未观测到有正反馈但是其K近邻用户群(N)已观测到正反馈的项目构成的集合。

3.根据权利要求2所述的方法，其特征在于，所述对整个项目集合进行划分，包括：

对于当前用户u，将整个项目集合(I)划分成三个两两不相交的子集：

用户已观测有正反馈的项目集合(P_u)；

用户未观测到有正反馈但其邻居已观测到正反馈的项目集合(C_u)，

剩余的、用户和其邻居均未观测到有正反馈的项目集合(L_u)，L_u＝I-P_u-C_u。

4.根据权利要求1所述的方法，其特征在于，所述根据当前用户的正反馈项目集合和优先候选项目集合确定用户对项目的对级别偏好关系，包括：

用户u对自己正反馈集合(P_u)中项目的偏好大于对其优先候选项目集合(C_u)中项目的偏好，即：

(u,i)＞(u,t),i∈P_u,t∈C_u；

用户u对其优先候选项目集合(C_u)中项目的偏好大于对剩余项目集合(L_u)中项目的偏好，即：

(u,t)＞(u,j),t∈C_u,j∈L_u.

5.根据权利要求1所述的方法，其特征在于，所述目标函数，包括：

最大化所有用户在整体项目集合上项目对偏好排序的概率：

其中，U是用户集合，λ_θ是正则化参数，θ是模型参数，和是模型预测评分，函数n_ut是用户u的K近邻用户群对项目t的群支持度，计算如下：

式中sim(u,w)表示用户u和w之间的相似度，N为用户的K近邻用户群,C_u表示用户u的优先候选项目集合，P_w表示用户w的正反馈项目集合，δ(·)为指示函数，当存在项目t∈C_u且t∈P_w时，否则