[发明专利]一种基于差异化资源分配的二部图推荐方法

权利要求书

1.一种基于差异化资源分配的二部图推荐方法，其特征在于，包括以下步骤：

步骤一：将推荐系统建模成二部图；

步骤二：对项目初始资源进行差异化设置；

步骤三：对资源分配系数进行差异化设置，实现两阶段资源流转；

步骤四：按照项目所获资源的大小生成推荐列表；

步骤二中所述对项目初始资源进行差异化设置，先利用评分规范化和最大最小值法对初始评分进行修正，在此基础上引用艾宾浩斯遗忘函数来量化用户“兴趣偏移”所带来的影响；其计算如公式(1)所示：

ω_α,i＝f_α,i(t)×ω'_α,i (1)

式中，ω_α,i表示调整后的项目初始资源值；ω′_α,i表示评分规范化和最大最小值法修正以后的评分，f_α,i(t)表示时间衰减函数。

2.根据权利要求1所述的基于差异化资源分配的二部图推荐方法，其特征在于，步骤一中所述将推荐系统建模成二部图，其中节点的两个集合分别代表用户集U和项目集O，当用户选择了项目则将它们相连，即两者形成连边；一个由n个用户U＝{u₁,u₂…u_n}和m个项目O＝{o₁,o₂,...,o_m}构成的二部图用邻接矩阵A＝{a_αi}_n,m表示，如果用户u_α选择了项目o_i则a_αi＝1，未选择则a_αi＝0。

3.根据权利要求1所述的基于差异化资源分配的二部图推荐方法，其特征在于，所述利用评分规范化和最大最小值法对初始评分进行修正，具体包括以下步骤：

(1)评分规范化的预处理如公式(2)所示：

式中，r_αi为用户u_α对项目o_i的初始评分，P_i为项目o_i得到的平均评分值，Q_α为用户u_α对所有项目评分的均值；预处理以后更能体现用户的真实喜好；若P_i＞Q_α则代表项目o_i受用户的喜爱，因此对评分进行增强修正，反之对评分进行削弱修正；

(2)采用最大最小值法对评分进一步修正，如公式(3)所示：

式中，r'_αi表示用户u_α对项目o_i的评分规范化预处理后的评分，r_max、r_min分别表示用户u_α在系统中给出的最大和最小评分值，为了预防分母为0，设定极小值p为0.001，同时为了实验方便，设定极小值q为0.01。

4.根据权利要求1所述的基于差异化资源分配的二部图推荐方法，其特征在于，所述引用艾宾浩斯遗忘函数来量化用户“兴趣偏移”，其计算如公式(4)所示：

式中，f_α,i(t)表示当时间为t时，用户u_α对项目o_i“兴趣偏移”的衰减率，t_α表示用户u_α在系统中初次评分的时间，t_α,i表示用户u_α对项目o_i进行评分操作的时间；f_α,i(t)的取值范围在e^-1到1之间，符合衰减率的要求，并且随着时间推移，t值的增大，衰减函数会趋向于e^-1的定值。

5.根据权利要求1所述的基于差异化资源分配的二部图推荐方法，其特征在于，步骤三中所述对资源分配系数进行差异化设置，先利用用户评分相似性函数得到第一阶段资源分配系数，再利用用户偏好函数得到第二阶段资源分配系数，进而实现两阶段资源流转。