[发明专利]基于矩阵分解算法的偏好发掘方法及装置

说明书

本发明提供了一种基于矩阵分解算法的偏好发掘方法，包括如下步骤：通过社交网络收集与偏好发掘相关的数据；由偏好发掘服务器接收移动终端发送的身份信息以及地理位置信息，基于地理位置信息将移动终端分成多个组，向多个移动终端组中的每个移动终端组中的多个移动终端发送偏好发掘相关信息传输寻呼消息；由移动终端接收偏好发掘相关信息传输寻呼消息，在接收到偏好发掘相关信息传输寻呼消息之后，随机生成随机退回时间；在随机退回时间之后，向偏好发掘服务器发送数据传输接入请求；接收数据传输确认消息，由偏好发掘服务器基于与偏好发掘相关的数据，发现隐藏在数据中关联用户与物品之间的偏好关系，并基于偏好关系来生成推荐信息。

技术领域

本发明涉及大数据应用技术领域，特别涉及一种基于矩阵分解算法的偏好发掘方法及装置。

背景技术

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

存在很多有关偏好挖掘的现有技术。现有技术CN104766215B公开了一种综合性、多维度的货主选择量化方法，适用于会员从多个维度对货主进行客观、综合的评估量化。该发明充分考虑货主准时装卸货、承运业务次数、遭平台会员投诉次数、货款支付及信息发布的及时率、一次报价成单率等多个影响选择度量指标，基于组合最小二乘法和ELECTRE-II法的多属性决策模型的指标权重划分方法定量确定各指标权重，通过精确的大数据挖掘分析和模型算法较好地处理了以物流服务为交易对象的电子商务平台合理评定货主可信度问题，使平台会员能够判断待选货主的综合情况并做出符合自己需求的选择。

现有技术CN104281718B公开了一种根据用户群体行为计算资讯相似度并对用户进行数据挖掘智能推荐的解决方法，通过收集用户行为数据并进行权重处理，把用户进行区间划分，通过大量的矩阵计算获取任意资讯之间的相似度，结合历史最近的点击资讯列表，从相关资讯库中选取和其历史偏好相似度高、时效性好的资讯实时推荐，同时对离线、缓存资讯进行分析，如此即可快速推荐相似的和相关度极高的资讯给用户。

现有技术CN104699693B获取用户的项目评分数据集，项目评分数据集包括用户对项目的评分；获得用户-项目评分数据集中每个节点与一待推荐用户节点的第一相关性权重Wi，第一相关性权重为同一类项目中的相关性权重；计算用户-项目评分数据集中每个节点与待推荐用户节点的第二相关性权重We，第二相关性权重为不同类项目间的相关性权重；根据We和Wi，得出每个节点的推荐度；根据推荐度确定待推荐项目。从二分图的特点出发，先用随机游走模型计算Wi，将用户隐式分类；其次为避免反复计算节点间的相关性，直接计算待推荐用户与邻近用户的相关性作为We，充分挖掘了用户的潜在偏好项目节点，提高了推荐质量。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种基于矩阵分解算法的偏好发掘方法及装置，从而克服现有技术的缺点。

本发明提供了一种基于矩阵分解算法的偏好发掘方法，基于矩阵分解算法的偏好发掘方法包括如下步骤：

由移动终端通过社交网络收集与偏好发掘相关的数据；

由偏好发掘服务器接收移动终端发送的身份信息以及地理位置信息；

由偏好发掘服务器基于地理位置信息将移动终端分成多个组；

由偏好发掘服务器向多个移动终端组中的每个移动终端组中的多个移动终端发送偏好发掘相关信息传输寻呼消息；

由移动终端接收偏好发掘相关信息传输寻呼消息，其中，每个移动终端组中的多个移动终端接收的偏好发掘相关信息传输寻呼消息中包括相同的组身份标志；