[发明专利]一种弥补群组成员差异的自适应组推荐方法

说明书

本发明公开了一种弥补群组成员差异的自适应组推荐方法，首先计算群组成员属性‑活动差异度，然后判断计算出的群组成员属性‑活动差异度是否小于预设参考因子；当群组成员属性‑活动差异度小于预设参考因子时，通过构建共识函数决策模型，并基于共识函数决策模型进行组推荐；当群组成员属性‑活动差异度大于或等于预设参考因子时，基于LVM模型和群组成员的偏好度进行组推荐。本发明的方法可以提高群组成员对推荐结果的接受度，改善推荐效果。

技术领域

本发明涉及计算机技术领域，具体涉及一种弥补群组成员差异的自适应组推荐方法。

背景技术

绝大多数推荐系统都是为个人推荐而设计的。通过挖掘个人的兴趣爱好可以向个人推荐电影，音乐，书刊等。然而，在某些情况下，针对一个群体也可以使用推荐技术。例如，一群朋友计划去看电影或去餐馆，为其群体提供可供参考的电影推荐列表或者参考推荐信息。

传统的群体推荐方法可以分为三类，第一类组推荐方法是通过组合为每个组成员生成推荐列表，例如把每个人的电影推荐列表组合起来合成一个群的推荐列表最后依据这个群推荐列表推荐；第二类，组推荐方法通过聚合组成员来获得推荐选项，例如，把每个成员的推荐列表聚类分析得到相似的推荐列表，最后依照这个相似的推荐列表生成群的推荐列表；第三类尝试挖掘群组成员的深层信息构建一个群体共识函数，这类组推荐方法相比与第一类，第二类推荐方法来说，采用了群员间的决策模型，深挖了成员的隐含信息。目前比较流行，但是该方法不适合群组成员分歧较大的情况。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

传统的组推荐方法注重群组的相似性寻求群组成员的共识函数。然而，由于群体具有多样性，而用户之间的差异是显而易见的。在群组成员差异性大于相似性的情况下(差异性极大的情况下)丢弃成员间的差异性，而竭力寻求群组的相似性，导致推荐效果不佳，会大大降低群组成员对推荐结果的满意度。

由此可知，现有技术中的方法存在推荐效果不佳的技术问题。

发明内容

有鉴于此，本发明提供了一种弥补群组成员差异的自适应组推荐方法，用以解决或者至少部分解决现有技术中的方法存在的推荐效果不佳的技术问题。

为了解决上述技术问题，本发明提供了一种弥补群组成员差异的自适应组推荐方法，包括：

步骤S1：计算群组成员属性-活动差异度，其中，群组成员属性-活动差异度用以表征群组中成员之间的差异性；

步骤S2：判断计算出的群组成员属性-活动差异度是否小于预设参考因子；

步骤S3：如果小于，则构建共识函数决策模型，并基于共识函数决策模型进行组推荐；

步骤S4：否则，基于LVM模型和群组成员的偏好度进行组推荐。

在一种实施方式中，步骤S1具体包括：

步骤S1.1：计算群组成员属性-活动的偏差度；

步骤S1.2：计算群组成员属性-活动的相似度；

步骤S1.3：根据群组成员属性-活动的偏差度和群组成员属性-活动的相似度，计算群组成员属性-活动差异度。

在一种实施方式中，步骤S3具体包括：

步骤S3.1：计算群体中各个成员的决策权重；

步骤S3.2：利用预设个人推荐系统进行评分预测，将评分多的成员分成一组，并将评分多的成员的评分作为源评分矩阵，评分少的成员分为另一组，并将评分少的成员的评分作为目标矩阵，利用目标矩阵预测源矩阵评分，预测得到每个成员的评分列表；

步骤S3.3：根据群体中各个成员的决策权重以及预测出的评分列表构建共识函数决策模型；