[发明专利]一种推荐方法和装置

说明书

本发明公开了一种推荐方法和装置，基于用户或服务评分矩阵确定适应度最佳的鸟巢；运用莱维飞行更新鸟巢，并记录最优鸟巢；将更新鸟巢进行交叉操作得到新的鸟巢，并更新最优鸟巢；更新被宿主发现有外来鸟蛋的鸟巢，使用变异操作继续更新鸟巢，更新最优鸟巢；输出满足条件的最优鸟巢为用户的服务推荐结果，或服务的用户推荐结果。在现有协同过滤算法的基础上，结合布谷鸟算法的鲁棒性强和收敛速度快的优点，以改进的布谷鸟算法，在全局搜索阶段中融入遗传算法的交叉算子，在局部搜索阶段融入了遗传算法的变异算子，结合了布谷鸟算法的强鲁棒性和收敛速度快的优点，并提高了布谷鸟算法种群的多样性和搜索能力，提高了推荐结果的质量。

技术领域

本发明属于信息推荐技术领域，具体地说，是涉及一种推荐方法和装置。

背景技术

目前的用户/服务推荐方法主要包括：基于内容推荐、基于知识推荐、基于数据挖掘推荐、基于网络结构推荐、协同过滤推荐等。其中，协同过滤算法由于可以针对用户自身行为记录进行计算，容易发现用户的潜在信息偏好特征的优点而被广泛的应用于电子商务、大数据等领域。

为了提高推荐质量，有的研究中将协同过滤算法与遗传算法相结合，提高了推荐效果，但是面对大数据量时，遗传算法的收敛速度变慢、搜索能力减弱，影响了推荐结果的实时性。

发明内容

本发明的目的在于提供一种推荐方法和装置，基于布谷鸟算法的鲁棒性强、收敛速度快的优点，将布谷鸟算法与遗传算法结合，有效改进遗传算法的搜索能力，提高了推荐结果的多样性。

为实现上述目的，本发明采用以下技术方案予以实现：

提出一种推荐方法，包括：步骤1)基于用户或服务评分矩阵确定适应度最佳的鸟巢；步骤2)运用莱维飞行更新鸟巢，并记录最优鸟巢；步骤3)将更新鸟巢进行交叉操作得到新的鸟巢，并更新最优鸟巢；步骤4)更新被宿主发现有外来鸟蛋的鸟巢，使用变异操作继续更新鸟巢，更新最优鸟巢；步骤5)输出满足条件的最优鸟巢为用户的服务推荐结果，或服务的用户推荐结果。

进一步的，在步骤1)之前，所述方法还包括：在用户或服务为新用户或新服务时，确定用户或服务特征；基于用户或服务特征确定相似用户或服务评分矩阵；基于相似用户或服务评分矩阵预测用户或服务评分矩阵。

进一步的，步骤5)之后，所述方法还包括：针对服务推荐结果或用户推荐结果，获取服务推荐结果的服务评分矩阵或用户推荐结果的用户评分矩阵；基于服务推荐结果的服务评分矩阵或用户推荐结果的用户评分矩阵确定适应度最佳的鸟巢；重复步骤2)至步骤4)，输出满足条件的最优鸟巢为服务推荐结果的推荐用户或用户推荐结果的推荐服务。

进一步的，将更新鸟巢进行交叉操作，具体包括：将更新鸟巢中的鸟巢两两分组，对每组鸟巢执行以下步骤得到新的鸟巢：产生随机数，在随机数小于设定交叉概率时，随机选择一个位置，交换两个鸟巢在随机位置以后的所有基因。

进一步的，使用变异操作继续更新鸟巢，具体包括：针对每个鸟巢产生随机数；在随机数小于设定变异概率时，随机选择一个位置，将鸟巢在随机位置的基因重新设置。

提出一种推荐装置，包括：最佳鸟巢确定模块，用于基于用户或服务评分矩阵确定适应度最佳的鸟巢；改进布谷鸟算法模块，用于运用莱维飞行更新鸟巢，并记录最优鸟巢；将更新鸟巢进行交叉操作得到新的鸟巢，并更新最优鸟巢；以及，更新被宿主发现有外来鸟蛋的鸟巢，使用变异操作继续更新鸟巢，更新最优鸟巢；推荐模块，用于输出满足条件的最优鸟巢为用户的服务推荐结果或服务的用户推荐结果。

进一步的，所述装置还包括：新用户或服务特征提取模块，用于在用户或服务为新用户或新服务时，确定用户或服务特征；新用户或新服务评分矩阵预测模块，用于基于用户或服务特征确定相似用户或服务评分矩阵，基于相似用户或服务矩阵预测用户或服务评分矩阵。