[发明专利]一种面向众筹平台的个性化推荐单目标进化方法

权利要求书

1.一种面向众筹平台的个性化推荐单目标进化方法，其特征在于，该方法包括以下步骤：

S1、定义众筹平台数据库为C，C＝{Y₁,Y₂,…,Y_i,…,Y_|α|}表示所述众筹平台数据库中所有交易记录的集合，Y_i表示第i个交易记录，|α|为交易记录的总数；遍历众筹平台数据库C中总数为|α|的交易记录，淘汰投资记录少于3的用户以及对应的投资记录，得到所述众筹平台数据库C中满足条件的交易记录集合D＝{X₁,X₂,…,X_i,…,X_|τ|}，|τ|为满足条件的交易记录的总数，|M|为D中不同用户的数目，|N|为D中所对应的不同种类产品项的数目，并根据K-means算法对所述用户聚类，得到八个不同的用户类C_i，1≤i≤8；

所述S1步骤具体方法为：

将任意一个推荐列表X的推荐问题转换为如式(1)所示的单目标优化问题：

式(2)中，UPR(X)表示所述推荐列表X的效用-准确性，并有：

式(2)中，upr_ij表示考虑每个产品的效用状态后，投资者i对产品j的预测评分；

式(3)中，TVC(X)表示所述推荐列表X的话题-多样性，并有：

式(3)中，N_dif表示对于某个类C_i里所有用户的推荐列表中不同产品的数目，T_dif表示对于某个类C_i里所有用户的推荐列表中不同话题的数目，N和T分别表示不同产品总数目和话题总数目。

S2、利用基于适应度计算的单目标优化方法对D中所有的产品推荐列表进行优化，从而得到最优的一个推荐列表；所述S2步骤具体包括以下流程：

A1、种群编码：

根据所述D中所有的产品项种类数目，采用实数编码方式对推荐列表X中的所有产品项进行编码，得到推荐列表的一个个体X＝{x₁,x₂,…,x_i,…x_|L|}；x_i表示推荐列表X中第i个产品项；对|τ|个交易记录进行编码，得到编码后的众筹平台数据库D'；

A2、初始化种群：

A21：定义种群大小为popSize；令popSize＝100，其中N为数据集中所有不同产品总数；通过以上的计算，可以得到每个用户的产品评分表中，排名前S的产品中，排名提高的产品，将其汇聚成一个|U|行的表格T_高，每行存储相应用户所对应的排名提高的产品；同理，可以得到一个|U|行的表格V，每行存储相应用户的排名降低的产品；

A22：提出基于产品排名变动的初始化策略，针对类C_i中的用户U_m，求得T_m中的产品个数，其中，1≤m≤|U|，若|T_m|小于等于L/2，则将T_m中所有个体均放入U_m的推荐列表中，剩下的L-|T_m|个产品随机的从候选产品集Candidate中选出，T_m为已放入推荐列表的产品，避免推荐列表重复，把已放入推荐列表的T_m中的产品先从候选产品集Candidate中去除,再将V_m中的产品从用户U_m的候选产品集Candidate去除，其中，1≤m≤|U|，最后去除U_m已投资过的产品TrainData_m；若|T_m|大于L/2，则从T_m随机选出L/2个产品放入推荐列表，剩下的L/2个产品随机的从候选产品集Candidate中选出，同上，为避免推荐列表重复，把已放入推荐列表的产品T_m,排名降低产品V_m，1≤m≤|U|和已投资过的产品TrainData_m先从候选产品集Candidate去除；重复|U|次，得到单个个体solution，再重复popSize次，得到初始化种群population；

A23：遍历所述编码后的众筹平台数据库D'，从而对所述初始化种群中的所有个体进行匹配，并利用

Maximize F(X)＝λ*f₁(X)+(1-λ)*f₂(X)

s.t.：λ∈(0,1)

f₁＝utility-accuracy

f₂＝topic-diversity

计算得到所述初始化种群中的所有个体的相应的效用-准确性值和话题-多样性值；

A24：对所述初始化种群按照F(X)值从大到小的顺序进行排序，得到排序后的前popSize个个体组成的种群；

A3、种群进化：

A31：初始化迭代次数G＝0；

A32：采用锦标赛选择的策略对所述再次排序后的前popSize个个体组成的种群进行选择，得到交配池，作为第G次迭代的种群；

A33：对所述第G次迭代的种群中的个体进行交叉变异产生第G+1次迭代的种群；

A34：遍历所述编码后的众筹平台数据库D’，从而对所述第G+1次迭代的种群中的所有个体进行匹配，并利用

Maximize F(X)＝λ*f₁(X)+(1-λ)*f₂(X)

s.t.：λ∈(0,1)

f₁＝utility-accuracy

f₂＝topic-diversity

计算得到第G+1次迭代的种群中的所有个体的相应的效用-准确性值和话题-多样性值；

A35：对所述第G+1次迭代的种群按照F(X)值从大到小的顺序进行排序，得到排序后的第G+1次迭代的前popSize个个体组成的种群；

A36：将G+1赋值给G；并重复执行步骤A32，直到G值达到popSize为止，从而得到最终迭代后的种群；

A37：对最终迭代后的种群中的个体按照F(X)从大到小的顺序进行排序，得到排序后的前popSize个个体组成的候选种群；

A5、从所述排序后的前popSize个个体组成的候选种群中选择排名第一的个体；

A6、将所述排名第一的个体作为最优的一个推荐列表输出。

2.根据权利要求1所述的面向众筹平台的个性化推荐单目标进化方法，其特征在于，所述A33具体为：提出父代局部最优基因保留的交叉策略，所提策略先是从父代种群population_j中随机选出三个个体solution_i，solution_i+1和solution_i+2，因算法中每个个体规模均为|U|×L，故针对用户U_m，1≤m≤|U|，可以得到三个父代个体相对应的推荐列表和合并去重复后得到产品列表List_m，L≤|List_m|≤3L,三个父代个体对应列表产品均相同则为L，均不同，则为3L，并计算出每个产品出现的次数；假设出现次数大于1的产品p₁个数为s，若s＝L，则将p1中个体全部保留到子代个体中产生新的子代个体若s＜L，则将p₁中个体全部保留到子代个体中，再从出现次数为1的产品p₂中随机选择L-s个个体保留到子代个体中，组合成新的子代个体重复m次，得到新的个体newsolution_i再重复popSize次，得到新的种群population_j+1。