[发明专利]基于多角度非传递偏好关系的用户个性化偏好预测方法

权利要求书

1.一种基于多角度非传递偏好关系的用户个性化偏好预测方法，其特征在于，包括如下步骤：

S1、通过多角度偏好的差异特征模型对用户偏好进行建模，建立符合用户个性化的用户多角度非传递偏好模型；

S2、构建与所述用户多角度非传递偏好模型对应的用户打分模型，用于获得用户对目标对象实际给出的分数；

S3、通过综合所述用户多角度非传递偏好模型和所述用户打分模型，实现多角度下的偏好评分预测模型，以用于计算用户偏好评分数据；

步骤S1中，所述通过多角度偏好的差异特征模型对用户偏好进行建模包括：定义用户的目标对象偏好矩阵F^u，设有D个比较角度评价目标对象，令用户偏好矩阵在每个角度中受到个不同因素影响，即含有个比较维度，其中值不唯一，在不同角度中具有差异性，表示为不同角度下用户偏好矩阵F^u为一个D×d大小的矩阵，其中

定义用户u的内容偏好在不同角度下，有个性化的多角度潜在评分特征表征为对于整体偏好而言，角度具有的贡献值占比，设整体偏好贡献总值为1；用户u对于同一角度的不同维度有个性化的多维度潜在评分特征，对应为表征为对于角度而言，维度应当具有的贡献值占比，设角度贡献总值为1。

2.如权利要求1所述的基于多角度非传递偏好关系的用户个性化偏好预测方法，其特征在于，获得用户对目标对象实际给出的分数包括：确定需评价的对象样本；确定评价的不同角度和维度；由用户观察对象，对应不同角度、维度分别打分，完整对象合集中所有目标的打分，获得打分集。

3.如权利要求1所述的基于多角度非传递偏好关系的用户个性化偏好预测方法，其特征在于，

步骤S2中，定义用户对一系列目标对象v，a_ij表示在第i角度的第j维度下目标对象的对应分值，a_ij与维度、角度具有一一对应关系，得到用户对目标对象v的打分矩阵用户打分矩阵A^v与用户偏好矩阵F^u一一对应；当用户完成对所有目标对象打分后，得到对象样本的打分集A。

4.如权利要求1所述的基于多角度非传递偏好关系的用户个性化偏好预测方法，其特征在于，

步骤S2中，形成一偏好评价基准矩阵F^u，用户u₁得到用户服装偏好评价表，根据自己的个性化需求，对不同角度和维度的属性偏好程度进行打分，得到对于用户u₁的多角度潜在评分特征和多维度潜在评分特征表明不同角度和同一角度不同维度下，属性值在用户需求中的贡献度，随着用户u₁对对象的打分依次完成，得到针对不同对象的打分矩阵

5.如权利要求1所述的基于多角度非传递偏好关系的用户个性化偏好预测方法，其特征在于，

步骤S3中，结合使用用户偏好矩阵F^u和目标对象的打分矩阵A^v，其中，引入多维度潜在特征得到角度下不同维度的评分获得多角度评分矩阵引入多角度潜在特征得到C^v仅含一个元素，用户u对于目标对象v的偏好评分值也记作其中t表示一段时间范围，当遍历打分集A后，评分计算完成，获得该用户对于对象样本V的偏好评分合集

6.如权利要求1所述的基于多角度非传递偏好关系的用户个性化偏好预测方法，其特征在于，

步骤S3中，通过D-MuCri评分模型，引入多维度潜在特征反映不同属性对同一角度的贡献度不同，计算用户u₁对目标对象v₁的多角度评分矩阵

经过计算得到用户u₁对各个角度的潜在偏好评分，随后，引入多角度潜在特征计算用户u₁的偏好评分值