[发明专利]一种基于差异化资源分配的二部图推荐方法

说明书

本发明请求保护一种基于差异化资源分配的二部图推荐方法。首先将推荐系统建模成二部图，节点的两个集合分别代表用户集U和项目集O；然后对项目初始资源进行差异化设置，利用评分规范化和最大最小值的方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；其次利用用户评分相似性函数和用户偏好函数对资源分配系数进行差异化设置，使资源流转变得更加合理；最后按照项目所获资源的大小生成推荐列表。本发明在传统二部图推荐方法的基础上进行改进，分别对项目初始资源和资源分配系数进行差异化设置，能够在保证推荐准确率的同时还能提高推荐的多样性。

技术领域

本发明属于个性化推荐领域，具体的说是一种基于差异化资源分配的二部图推荐方法。

背景技术

随着通信信息技术和互联网的急速发展，人们逐渐从信息匮乏的年代步入了信息过剩的年代，致使能满足用户需求的推荐系统迅速发展。推荐系统是为用户推荐所需物品的软件工具和技术。提供的推荐旨在通过各种决策过程来支持用户，例如，买什么物品、听什么歌曲或读什么新闻。推荐系统的价值在于帮助用户解决信息过载和做出更好的选择，也是现在互联网领域最强大和最流行的信息发现工具之一。推荐算法是推荐系统的核心，它用于处理输入信息并将其形成推荐信息。

近年来，基于二部图的推荐算法受到越来越多研究者的关注，算法借鉴了物理上物质扩散和热传导的思想，将用户和物品抽象为节点，他们之间的选择关系抽象为连边，这些节点和由于选择关系产生的边构成二部图网络结构。基于二部图的推荐算法认为，用户已购买的物品具有向用户推荐其他物品的能力，这种能力是物品依据被选择的情况赋予一定的资源量，通过用户—物品网络向其他物品进行传递。二部图网络结构推荐算法相比很多传统推荐算法推荐效率和精准度都要高，却也存在着初始资源设置不合理，以及仅仅依靠项目度和用户度来调整资源分配系数的问题。

发明内容

本发明旨在解决传统二部图存在的初始资源设置不合理，以及仅仅依靠项目度和用户度来调整资源分配系数的问题。本发明的技术方案如下：

一种基于差异化资源分配的二部图推荐方法，其包括以下步骤：

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。

进一步的，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}构成的二部图可以用邻接矩阵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。

进一步的，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(12)所示：

ω_α,i＝f_α,i(t)×ω'_α,i (12)

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。

进一步的，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：