[发明专利]一种基于物品时间流行性的推荐方法

权利要求书

1.一种基于物品时间流行性的推荐方法，其特征在于，包括：

S1、选用时间间隔Δt将数据集的时间轴划分为n段，并定义第i个时间区的权重w_i：

S2、结合物品在市场的占比，统计物品在时间段上的分布；

S3、将每个时间区域的资源分配进行累加，得到关于物品α的流行度得分；

S4、基于CosRA相似性指数计算出物品与物品之间的相似性矩阵；

S5、根据S4中的相似性矩阵，计算得到资源分配结果；

S6、加入时间因素，修正目标用户i的推荐列表，将用户i最后修正后的推荐列表进行降序排列后，得到前L个物品生成最终的推荐列表；

所述步骤S1的具体步骤包括：

选用时间间隔Δt将数据集的时间轴划分为n段，从数据集的当前时间开始，到数据集的初始时间，依次将时间段标记为：0，1，2，3，……，n；

其中，按照指数增长的趋势，将最接近数据集最新时间的0区的值分配为1，将1区的值分配为1/2，将2区的值分配为1/4，依次类推，将第n个区域的值分配为

即将等度数大小的物品的流行程度区分开，在最新时间区越活跃的物品，得分值就越大，代表物品在近期越流行；在其他时间区内活跃的物品的权重，根据时间区与最新时间的距离增大而减小，第i个时间区的权重w_i大小定义为：

所述步骤S2结合物品在市场的占比，统计物品在时间段上的分布的具体步骤包括：

时间区分配权重后，结合物品在市场的占比，大度数物品的流行程度毫无疑问高于小度数物品的流行度；统计物品在时间段上的分布，物品α的总度数为kα，在第i个时间区出现的度数为k_iα；物品出现频率较高的时间段表示物品在该时间段的流行程度越高，对应时间区的得分s_(iα)越高：

所述步骤S3将每个时间区域的资源分配进行累加，得到关于物品α的流行度得分的具体步骤包括：

将每个时间区域的资源分配进行累加，得到关于物品α的流行度得分，分值越大代表物品最近时间段的流行程度越高或在市场所占比重较大，即综合流行程度越高，越受欢迎；相反的，得分越低代表物品近期处于不流行阶段或物品过时，应该抑制推荐；物品α的综合流行度得分s_α为：

或

所述步骤S4基于CosRA相似性指数计算出物品与物品之间的相似性，并形成相似性矩阵S^CosRA，两物品之间的相似性计算方式为：

其中，表示物品α和物品β的相似性，k_i是用户i的度数，k_α是物品α的度数，k_β是物品β的度数；

所述步骤S5根据S4中的相似性矩阵，计算得到资源分配结果为：

f′⁽ⁱ⁾＝S^CosRAf⁽ⁱ⁾

其中，f⁽ⁱ⁾是一个n维向量，用于记录对于目标用户i的所有对象的初始资源，f'⁽ⁱ⁾为经过相似性计算后，用户最初的资源分配结果，即推荐列表，S^CosRA为表示物品与物品之间的相似性矩阵；

所述步骤S6加入时间因素，修正目标用户i的推荐列表，将用户i最后修正后的推荐列表进行降序排列后，得到前L个物品生成最终的推荐列表的具体步骤包括：

加入时间因素，修正目标用户i的推荐列表f'⁽ⁱ⁾，得到更合理的推荐列表，表示目标用户i对于物品α初次分配的资源，S_(α)为物品α的流行性得分，最后得到用户i对于物品α修正后的资源分配

将用户i最后修正后的推荐列表进行降序排列后，得到前L个物品生成的最终推荐列表。