[发明专利]一种利用高维辅助信息修正的内容推荐方法及推荐系统

权利要求书

1.一种利用高维辅助信息修正的项目推荐方法，其特征在于，所述方法包括：

步骤S1，收集用户对项目的反馈行为和项目的高维辅助信息；

步骤S2，初始化用户行为反馈矩阵和项目高维辅助信息的特征矩阵；

步骤S3，建立基于项目相似度计算的目标函数及约束条件；

步骤S4，利用局部保留投影方法，将所述的高维辅助信息的特征矩阵进行降维操作，映射为所述的高维辅助信息的投影矩阵，并代入所述的目标函数；

步骤S5，利用迭代收敛计算方法，计算出所述的投影矩阵和项目相似度矩阵；

步骤S6，利用所述的用户行为反馈矩阵和所述的项目相似度矩阵，计算用户对项目的预测评分矩阵；

步骤S7，根据所述的预测评分矩阵，向用户推荐评分排名靠前的项目；

步骤S3中所述的目标函数为：

目标函数应最小化，约束条件为：并且步骤S4中代入所述的目标函数后为：

约束条件为：

R为所述的用户行为反馈矩阵，F为项目高维辅助信息的特征矩阵，在F中，f_i被用来代表项目i的特征，S为项目相似度矩阵，W为投影矩阵，α比率用来平衡两种信息的权重，λ是用户给定的参数，||·||_F表示矩阵F范数，即对矩阵所有元素求平方和开根号，α为用户指定的参数以及来平衡两种信息的权重；n为表示项目的数量；s_ij表示项目i和项目j为之间的相似性，其中s_ij是S矩阵的第i行和第j列元素；f_j表示项目j的特征；运算符表示l₂-范数的平方，表示向量s_j与向量1的内积，即

步骤S5中的迭代收敛计算方法的步骤为：

步骤S101，随机初始化项目相似度矩阵S和投影矩阵W；

步骤S102，计算项目相似度矩阵S中的元素；

步骤S103，根据公式更新对角矩阵D的值；

步骤S104，根据公式更新拉普拉斯矩阵L的值；

步骤S105，W取值为F^TLF前k个最小特征值对应的特征向量；

步骤S106，考察W和S的值是否已收敛，如收敛，则结束计算，若未收敛，则，重复步骤102至步骤106。

2.一种根据权利要求1所述的项目推荐方法的项目推荐系统，包括信息获取模块(1)，信息规整模块(2)，模型计算模块(3)，评分计算模块(4)，项目推荐模块(5)，其特征在于：所述的信息获取模块(1)用于收集用户对项目的反馈行为，收集项目的高维辅助信息；

所述的信息规整模块(2)用于将信息获取模块获取到的信息，规整为用户行为反馈矩阵和项目高维辅助信息的特征矩阵；

所述的模型计算模块(3)包括模型建立模块(301)，高维降维模块(302)和结果计算模块(303)，所述的模型建立模块(301)用于建立基于项目相似度计算的目标函数及约束条件，所述的高维降维模块(302)利用局部保留投影方法，将所述的高维辅助信息的特征矩阵通过降维操作，映射为所述的高维辅助信息的投影矩阵，所述的结果计算模块(303)利用迭代收敛计算方法，计算出所述的投影矩阵和项目相似度矩阵；

所述的评分计算模块(4)利用所述的用户行为反馈矩阵和所述的项目相似度矩阵，计算用户对项目的预测评分矩阵；

所述的项目推荐模块(5)根据所述的预测评分矩阵，向用户推荐评分排名靠前的项目。