[发明专利]一种基于有社会关系和项目内容的贝叶斯概率矩阵分解推荐方法

摘要

本发明公开了一种基于有社会关系和项目内容的贝叶斯概率矩阵分解推荐方法，包括：使用PMF方法对观察评价矩阵进行隐含矩阵分析，得到隐含用户特征矩阵和隐含项目特征矩阵；使用BPMFSR或者BPMFSRIC方法对隐含用户特征矩阵和隐含项目特征矩阵进行吉布斯采样，得到采样后的隐含用户特征矩阵和隐含项目特征矩阵；根据所述采样后的隐含用户特征矩阵和隐含项目特征矩阵计算预测评价矩阵，基于所述预测评价矩阵进行推荐。本发明方法计算高效并能运用于有大规模数据集的基于信任或基于内容的推荐系统；具有更快的收敛速度，比其它矩阵分解方法得到更准确的推荐结果；相比其它方法更好的缓解了数据稀疏问题和冷启动问题。

主权项

一种基于有社会关系和项目内容的贝叶斯概率矩阵分解推荐方法，其特征在于，包括以下步骤：（1）、使用概率矩阵分解（PMF，Probabilistic Matrix Factorization）方法对观察评价矩阵进行隐含矩阵分析，得到隐含用户特征矩阵和隐含项目特征矩阵；（2）、使用有社会关系的贝叶斯概率矩阵分解（BPMFSR，Bayesian Probabilistic Matrix Factorization with Social Relations）或者有社会关系和项目内容的贝叶斯概率矩阵分解（BPMFSRIC，Bayesian Probabilistic Matrix Factorization with Social Relations and Item Contents）对隐含用户特征矩阵和隐含项目特征矩阵进行吉布斯采样，得到采样后的隐含用户特征矩阵和隐含项目特征矩阵；（3）、根据所述采样后的隐含用户特征矩阵和隐含项目特征矩阵计算预测评价矩阵，基于所述预测评价矩阵进行推荐。