[发明专利]一种综合用户属性的测试资产推荐方法及系统

权利要求书

1.一种综合用户属性的测试资产推荐方法，其特征在于，包括：

获取目标用户的隐藏属性，所述隐藏属性包括目标用户对测试资产的搜索次数和浏览次数；

根据目标用户的隐藏属性计算得到目标用户对测试资产的初始偏好值；

整合各目标用户对各测试资产的初始偏好值，获得初始偏好值矩阵，所述初始偏好值矩阵中初始偏好值为0的位置留空；

对初始偏好值矩阵进行矩阵分解获得目标用户隐藏属性向量和测试资产隐藏属性向量；

获取目标用户的显式属性，并将目标用户的显式属性量化转换为目标用户显式属性向量；

获取测试资产的显式属性，并将测试资产的显式属性量化转换为测试资产显式属性向量；

通过最小化初始偏好值矩阵与目标用户隐藏属性向量、测试资产隐藏属性向量、目标用户显式属性向量和测试资产显式属性向量之间的残差计算获得调整后的中间偏好值矩阵；

对中间偏好值矩阵进行矩阵分解获得新的目标用户隐藏属性向量和测试资产隐藏属性向量，并使用中间偏好值、新的目标用户隐藏属性向量和测试资产隐藏属性向量重复迭代进行最小化残差计算直至收敛，获得输出偏好值矩阵；

将输出偏好值矩阵中偏好值较高的对应测试资产推荐给用户。

2.如权利要求1所述的方法，其特征在于，所述根据目标用户的隐藏属性计算得到目标用户对测试资产的初始偏好值包括：

通过式1计算得到目标用户对测试资产的初始偏好值；

z＝x+a*y 式1

其中，x为测试资产的搜索次数，y为测试资产的浏览次数，z为目标用户对测试资产的初始偏好值，a为计算系数并取任意一个大于等于1的正数。

3.如权利要求2所述的方法，其特征在于，所述计算系数a取2。

4.如权利要求1所述的方法，其特征在于，所述目标用户的显式属性包括目标用户的职位、部门和所负责系统；所述将目标用户的显式属性量化转换为目标用户显式属性向量包括依据职位、部门和所负责系统的顺序将目标用户的显式属性量化转换为目标用户显式属性向量。

5.如权利要求1所述的方法，其特征在于，所述测试资产的显式属性包括测试资产的类别和测试资产所属系统；所述将测试资产的显式属性量化转换为测试资产显式属性向量包括依据类别和所属系统的顺序将测试资产的显式属性量化转换为测试资产显式属性向量。

6.如权利要求1所述的方法，其特征在于，所述通过最小化初始偏好值矩阵与目标用户隐藏属性向量、测试资产隐藏属性向量、目标用户显式属性向量和测试资产显式属性向量之间的残差计算获得调整后的中间偏好值矩阵包括：

使用式2计算残差的最小值；

δ＝(r_ij-u_i·v_j-α·p_i-β·q_j)^2 式2

其中，r_ij为初始偏好值矩阵，u_i为目标用户隐藏属性向量，v_j为测试资产隐藏属性向量，p_i为目标用户显式属性向量，q_j为测试资产显式属性向量，α为第一系数向量，β为第二系数向量，δ为残差；

使用LR线性回归算法求解式2，获得α和β；

根据计算获得的α和β使用式3计算得到调整后的中间偏好值矩阵；

r′_ij＝r_ij-α·p_i-β·q_j 式3

其中，r′_ij为中间偏好值矩阵。

7.如权利要求1至6任一项所述的方法，其特征在于，所述初始偏好值矩阵中各行分别对应一个目标用户、各列分别对应一项测试资产。