[发明专利]基于双向加权值及用户行为的动态推荐及加噪方法

权利要求书

1.一种基于双向加权值及用户行为的动态推荐及加噪方法，其特征在于：所述用户行为存储模块(1)通过处理步骤(2)，生成所述用户-因子加权值矩阵(3)与事物-因子加权值矩阵(4)，最后生成加噪后的推荐结果。

2.根据权利要求1所述所述基于双向加权值及用户行为的动态推荐及加噪方法，其特征在于：所述用户行为存储模块由数据库(1a)与用户行为矩阵(1b)构成，用户行为矩阵为包含用户与事物的二维矩阵，存储的值为加权值。

3.根据权利要求1所述所述基于双向加权值及用户行为的动态推荐及加噪方法，其特征在于：处理步骤由SVD奇异值分解(2a)与高斯分布加噪(2b)组成。

4.根据权利要求1所述所述基于双向加权值及用户行为的动态推荐及加噪方法，其特征在于包括以下步骤：

S1：初始化方法，建立项目模型(1)；

S2：从数据库(1a)读取记录了用户行为的矩阵R(1b)；

S3：新建用户-因子加权值矩阵P(3)与事物-因子加权值矩阵Q(4)；

S4：对用户行为矩阵R进行矩阵分解，利用SVD矩阵算法(2a)分解分别产生P、Q矩阵，使得足R＝PQ^T；

S5：对用户-因子加权值矩阵P(3)进行加噪(2b)；

S6：将加噪后的P与Q点乘，获得生成的加噪后的预测矩阵

S7：返回推荐结果方法结束。

5.根据权利要求4所述所述基于双向加权值及用户行为的动态推荐及加噪方法，其特征在于：建立项目模型(1)时，即根据事前定义的用户属性及物品属性，计算机为其分配合适的存储空间，以便存储用户行为矩阵R(1b)。

6.根据权利要求4所述所述基于双向加权值及用户行为的动态推荐及加噪方法，其特征在于：从数据库(1a)读取记录了用户行为的矩阵R(1b)，若外部未调用生成因子接口，则用户在外部的操作持续地记录至矩阵R(1b)中。

7.根据权利要求4所述所述基于双向加权值及用户行为的动态推荐及加噪方法，其特征在于：新建用户-因子加权值矩阵P(3)与事物-因子加权值矩阵Q(4)，即根据事前定义的用户属性及物品属性，计算机为其分配合适的存储空间。