[发明专利]一种自适应在线推荐方法及系统

权利要求书

1.一种自适应在线推荐方法，其特征在于，包括如下步骤：

根据访问用户的潜在特征向量及访问用户所在聚类的聚类特征向量向访问用户推荐产品；

根据访问用户对推荐产品的反馈更新访问用户的潜在特征向量，并根据更新后的潜在特征向量重新确定访问用户所在聚类；

对更新后的访问用户所在聚类进行聚类动态更新确定访问用户聚类数，所述聚类动态更新包括聚类内二分类和聚类间合并。

2.根据权利要求1所述的自适应在线推荐方法，其特征在于，还包括判断访问用户是否为新用户：

若是新用户，则初始化访问用户的潜在特征向量，并计算潜在特征向量与每个聚类的聚类特征向量之间的欧式距离，将访问用户放在欧式距离最小的聚类中；

若不是新用户，则将访问用户放在上次访问结束时所在聚类，访问用户的潜在特征向量为上次访问结束时所对应的潜在特征向量。

3.根据权利要求2所述的自适应在线推荐方法，其特征在于，潜在特征向量w_i的初始化采用如下公式表示：

其中，A_i＝I_d*d，b_i＝0_d*1，d为聚类中用户的潜在特征向量维度，I表示单位矩阵；

聚类的聚类特征向量采用如下公式：

其中，C_k表示当前聚类，i为当前聚类C_k中的一个用户。

4.根据权利要求1所述的自适应在线推荐方法，其特征在于，向访问用户推荐产品的方法包括：

结合访问用户的潜在特征向量和访问用户所在聚类的聚类特征向量，计算每个产品的预测评分，选择预测评分最大的产品推荐给访问用户。

5.根据权利要求4所述的自适应在线推荐方法，其特征在于，计算每个产品a_i的预测评分Sa_i采用如下公式：

其中，产品a_i的特征向量t为访问用户与系统的交互次数，w_u表示访问用户的潜在特征向量，表示聚类k的聚类特征向量，P表示产品库，α表示控制推荐产品选择倾向的探索权重，A_u代表访问用户u的潜在特征向量w_u中保存访问用户u之前被推荐过的物品特征信息。

6.根据权利要求5所述的自适应在线推荐方法，其特征在于，根据访问用户对推荐产品信息的反馈更新访问用户的潜在特征向量的方法包括：

访问用户对推荐产品a_i做出反馈，所述反馈包括正反馈和负反馈，正反馈的奖励r为1，负反馈的奖励r为0；

根据所述反馈更新访问用户的潜在特征向量，公示表示如下：

其中，b_u表示访问用户u对之前被推荐产品的反馈信息。

7.根据权利要求6所述的自适应在线推荐方法，其特征在于，根据更新后的潜在特征向量重新确定访问用户所在聚类的方法包括：

通过判断当前访问用户与各个聚类之间相似性的大小，确定访问用户所在聚类；

当访问用户u反馈为正反馈，访问用户u与聚类k之间的引力大小表示为：

访问用户u所在聚类k表示为：

k＝argmax_{k＝1，...，K}F(u，k)

式中，K表示总的聚类数；

当访问用户u反馈为负反馈，访问用户u与聚类k之间的引力大小表示为：

访问用户u所在聚类k表示为：

k＝argmax_{k＝1，...，K}F(u，k)。