[发明专利]一种融合人格特质和物品标签的单分类协同过滤方法

权利要求书

1.一种融合人格特质和物品标签的单分类协同过滤方法，其特征是按照如下步骤进行：

步骤一、用二维表R＝{u,i}表示用户对物品的行为记录，用二维表P＝{u,p}表示用户的人格特质数据，用二维表T＝{i,tag}表示物品的标签数据；其中，u＝{u₁,u₂,...,u_n,...,u_|N|}表示用户集合，u_n表示第n个用户，n＝1,2,…,|N|，|N|表示用户的总数；i＝{i₁,i₂,...,i_m,...,i_|M|}表示物品集合，i_m表示第m个物品，m＝1,2,…,|M|，|M|表示物品的总数；p＝{p₁,p₂,...,p_n,...,p_|N|}表示用户人格特质的信息集合，p_n表示第n个用户u_n的人格特质，并有：表示第n个用户u_n的第j个人格特质，j＝1,2,…,|J|，|J|表示人格特征的总数；tag＝{t₁,t₂,...,t_k,...,t_|K|}表示物品的标签集合，t_k表示第k个标签，|K|表示标签的总数；

步骤二、基于用户人格特质的信息集合p，利用式(1)得到第n个用户u_n与第s个用户u_s的相似度sim(u_n,u_s)，从而得到与第n个用户u_n相似度最高的前Q个近邻用户：

式(1)中，|·|表示向量长度；

步骤三、基于标签集合tag，利用式(2)得到第n个用户u_n对第m个物品i_m的偏好程度

式(2)中，表示第n个用户u_n的第k个标签的数量，sum(tagⁿ)表示第n个用户u_n的总的标签数量；

步骤四、基于用户之间的相似度，利用式(3)得到第n个用户u_n对第m个物品i_m的偏好程度

式(3)中，表示与第n个用户u_n相似度最高的前Q个近邻用户中第q个近邻用户，r_q,m表示第q个近邻用户对第m个物品i_m的行为记录，若有过行为记录，则令r_q,m＝1，否则，令r_q,m＝0；

步骤五、融合人格特质和物品标签，利用式(4)得到第n个用户u_n对第m个物品i_m的总偏好程度：

式(4)中，δ表示权重系数；

步骤六、基于人格特质和物品标签建模：

步骤6.1、将所述二维表R＝{u,i}分解为用户隐因子偏好矩阵X＝{x_nf}和物品隐因子偏好矩阵Y＝{y_mf}；其中，x_nf表示第n个用户u_n在第f个隐因子维度上的偏好值，y_mf表示第m个物品i_m在第f个隐因子维度上的偏好值；f＝1,2,…,F，F表示隐因子数量；

步骤6.2、利用式(5)构建目标函数：

式(5)中，W_n,m表示第n个用户u_n对第m个物品i_m的负例置信度，并有：若r_n,m＝1，则W_n,m＝1；若r_n,m＝0，W_n,m＝1-pre_n,m；

步骤6.3、利用最小交替二乘法对所述目标函数进行优化求解，得到所述用户隐因子偏好矩阵X和物品隐因子偏好矩阵Y的最优值；

步骤七、根据所述用户隐因子偏好矩阵X和物品隐因子偏好矩阵Y的最优值，得到更新后的二维表R^*，从而利用所述更新后的二维表R^*对任意用户进行物品推荐。