[发明专利]基于社交和社群的产品推荐方法、系统和存储介质

权利要求书

1.一种基于社交和社群的产品推荐方法，其特征在于，所述推荐方法由计算机执行，包括以下步骤：

获取用户与产品的交互数据、社交关系数据和社群关系数据，并形成历史数据；

基于所述历史数据和预先设置的偏序关系，确定用户和产品的反馈关系；

基于所述历史数据和所述反馈关系确定用户对产品的偏好关系；

确定所述偏好关系的目标函数；

基于所述目标函数获取用户对产品的偏好得分；

基于所述偏好得分对用户的未交互产品进行排序，得到产品推荐结果；

所述用户对产品的偏好关系用基于用户集合U对产品集合P的矩阵分解模型表示：

其中：

表示用户集合U对产品集合P的偏好集合；

W表示用户集合U的特征矩阵；

H表示产品集合P的特征矩阵；

b表示产品集合P的偏差项；

所述偏好关系的目标函数为：

其中：

表示用户u对正反馈集合PF_u中产品p_i的偏好；

表示用户u对社交反馈集合SF_u中产品p_s的偏好；

表示用户u对社群反馈集合GF_u中产品p_g的偏好；

表示用户u对负反馈集合NF_u中产品p_j的偏好；

σ(·)表示logistic函数；

Θ表示所述矩阵分解模型中的参数集合，即Θ＝{W,H,b}；

λ_Θ为正则化参数；

C_S表示用户u与产品p_s没有交互，但是用户u的好友中与该产品有过交互的好友个数；

C_g表示用户u与产品p_g无交互，且其社交好友对该产品无交互，但是用户u的社群好友中对该产品有交互的社群好友个数。

2.如权利要求1所述的推荐方法，其特征在于，所述历史数据包括：

用户集合U，产品集合P，用户和产品有过交互的集合D，社交关系集合S和社群关系集合G。

3.如权利要求2所述的推荐方法，其特征在于，所述预先设置的偏序关系为：

正反馈社交反馈社群反馈负反馈；

所述用户和产品的反馈关系包括：

正反馈集合：PF_u＝{＜u,p_i＞}，

其中：＜u,p_i＞∈D，表示用户u与产品p_i有过交互；

社交反馈集合：SF_u＝{＜u,p_s＞}，

其中：＜u,p_s＞表示用户u的社交好友有过交互，而用户u本身没有交互的产品；

社群反馈集合：GF_u＝{＜u,p_g＞}，

其中：＜u,p_g＞表示用户u的社群好友有过交互，而用户u本身没有交互且用户u的社交好友也没有交互的产品；

负反馈集合：NF_u＝{＜u,p_j＞}，

其中：＜u,p_j＞表示用户u本身没有交互，用户u的社交好友和社群好友也没有交互的产品。