[发明专利]一种基于隐式偏见和好友兴趣的电影评分预测方法

摘要

本发明公开了一种基于隐式偏见和好友兴趣的电影评分预测方法，该方法根据用户电影评分日志和用户的好友列表数据，构建结合个人偏见和好友兴趣的评分预测模型，训练并得到用户对电影的偏见矩阵、用户隐式特征矩阵、物品隐式特征矩阵。结合好友列表数据和用户隐式特征矩阵，生成好友兴趣隐式特征矩阵，根据用户隐式特征矩阵、物品特征矩阵，用户-物品偏见矩阵和好友兴趣隐式特征矩阵，生成用户-物品预测评分矩阵，最后为用户生成推荐列表。本发明综合考虑用户的评分偏见和好友的物品偏好，提高了推荐的品质。

主权项

一种基于隐式偏见和好友兴趣的电影评分预测方法，其特征在于该方法包括以下具体步骤：a)根据电影评分日志数据和好友列表数据，分别生成用户‑物品评分矩阵和用户‑好友关系矩阵，两个矩阵分别记为R，F；手动设置模型训练参数即好友兴趣权重w；b)根据用户‑物品评分矩阵、用户‑好友关系矩阵及模型训练参数，训练“结合个人偏见和好友兴趣的评分预测模型”，得到用户‑物品偏见矩阵、用户隐式特征矩阵和物品隐式特征矩阵；具体为：ⅰ)设计“结合个人偏见和好友兴趣的评分预测模型”，包括：目标函数和评分预测公式；目标函数L为：$L=\underset{u,i\∈R}{\mathrm{\Σ}}{(r_{\mathrm{ui}}-{\hat{r}}_{\mathrm{ui}})}^2+\mathrm{\λ}{\left|\right|P\left|\right|}^2+\mathrm{\λ}{\left|\right|Q\left|\right|}^2$其中，u表示用户，i表示物品，P，Q分别表示用户隐式特征矩阵和物品隐式特征矩阵，λ为P，Q的因子；评分预测公式为：${\hat{r}}_{\mathrm{ui}}=\mathrm{\μ}+b_u+b_i+p_u\·(\frac{w}{\left|F\left(u\right)\right|}\underset{j\∈F\left(u\right)}{\mathrm{\Σ}}{p_j}^T+{q_i}^T)$其中，表示用户u对电影i的预测评分，μ为R中评分的平均值，b_u+b_i表示用户u对电影i的偏见值，p_u，q_i分别表示用户和物品的隐式特征向量，分别是P中的第u列和Q中的第i列，F(u)表示用户u的好友列表，w为好友兴趣权重；ⅱ)采用随机梯度下降算法，训练“结合个人偏见和好友兴趣的评分预测模型”,得到用户‑物品偏见矩阵、用户隐式特征矩阵P和物品隐式特征矩阵Q；c)根据用户隐式特征矩阵和用户‑好友关系矩阵，以好友兴趣的中心乘以给定的权重，计算好友兴趣隐式特征矩阵，具体为：根据好友权重w、用户隐式特征矩阵P和用户‑好友关系矩阵，计算好友兴趣隐式特征矩阵；其中，用户u的好友兴趣隐式特征向量的计算如下：$\frac{w}{\left|F\left(u\right)\right|}{\mathrm{\Σ}}_{j\∈F\left(u\right)}{p_j}^T;$d)根据训练出来的用户‑物品偏见矩阵、用户隐式特征矩阵P、物品隐式特征矩阵Q、好友兴趣隐式特征矩阵以及步骤b)中用户对电影的预测评分公式，生成用户‑物品预测评分矩阵记为；e)根据用户‑物品预测评分矩阵生成推荐列表，为每个用户推荐节目；其中，对于用户u,排序其对所有电影的预测评分，取前N个电影推荐给该用户。