[发明专利]一种基于选择概率模型自适应邻域的产品推荐方法

权利要求书

1.一种基于选择概率模型自适应邻域的产品推荐方法，其特征在于：包括以下基本步骤：

步骤一，提取用户行为中的用户点击频度和最近一次购买时间即近度，作为初始数据，对数据进行预处理；

步骤二，根据预处理后的初始数据计算概率矩阵和凹凸度约束；

第一形状约束为关于近度值的凸度约束，随着近度值变大，每个近度值项选择概率的增量增加；

第二形状约束为关于频度的凹度限制，随着频度值变大，每个频度值项选择概率的增量减小；

步骤三，由用户偏差和商品偏差计算偏移函数；

步骤四，引入与用户特征向量和其邻居特征向量之间的差异有关的正则化项，采用随机梯度下降法进行循环自适应更新。

2.根据权利要求1所述的一种基于选择概率模型自适应邻域的产品推荐方法，其特征在于：在步骤一中，提取用户行为中的用户点击频度和最近一次购买时间即近度作为初始数据，对数据进行预处理，让J和K分别表示与新近度和频度相对应的连续正整数的有限集，每个用户-商品对对应一个X_jk，表示当新近度为j且频度为k时用户对某项商品的选择可能性；

在历史数据中确定一个基准日期，令n_jk表示在基准日期之前具有新近度值j和频度值k的用户项对的数量，而令q_jk表示在基准日期之后导致购买的那些用户项对的数量；如果n_jk不等于0，则令X_jk＝q_jk/n_jk；否则，将x_jk置为0。

3.根据权利要求1所述的一种基于选择概率模型自适应邻域的产品推荐方法，其特征在于：所述步骤二计算概率矩阵中，项目选择概率随着新近度或频度的增加而增加，除了单调性约束外，进一步采用另两个形状约束；

通过二项式分布，得出购买发生概率：

取对数得到选择概率函数：

然后根据计算得到的商品选择概率建立用户兴趣度矩阵Q∈R_k×n，其中n是商品数，k是频度值。

4.根据权利要求1所述的一种基于选择概率模型自适应邻域的产品推荐方法，其特征在于：所述步骤三为用户偏差b_u∈R_1×m和商品偏差b_i∈R_1×n初始化一个随机矩阵，m是用户数，其中，用户偏差是交互过程中的用户影响度，商品偏差是交互过程中商品被推荐频度；然后预测兴趣度其中μ是总体兴趣度平均值，由用户偏差和商品偏差计算偏移函数：

其中，r_u，i是已知兴趣度。

5.根据权利要求1所述的一种基于选择概率模型自适应邻域的产品推荐方法，其特征在于：在所述步骤四中，采用随机梯度下降法循环更新P_u，Q_i，b_u，b_i，其中P_u是用户特征向量，Q_i是商品特征向量，b_u是用户偏差，b_i是商品偏差：

P_u＝(1-λη·p(u))P_u+2ηe_u，iQ_i

Q_i＝(1-λη·p(u))Q_i+2ηe_u，iP_u

b_u＝(I-λη·p(u))b_u+2ηe_u，i

b_i＝(I-λη·p(u))b_i+2ηe_u，i

其中，e_u，i＝r_u，i-r_u，i，r_u，i是预测兴趣度，r_u，i是已知兴趣度，λ是一个正则化参数，η是一个随机梯度变化速率；引入与用户特征向量和其邻居特征向量之间的差异有关的正则化项进行自适应更新：

其中，F_u是用户u的邻居集合，sim(u，f)是用户u和用户f之间的相似性。