[发明专利]一种基于动态增量更新的上下文推荐方法

摘要

本发明涉及一种基于动态增量更新的上下文推荐方法，其特征在于包括以下步骤：1)根据电子商务网站的历史记录提取用户信息，根据用户信息构建成张量；并对构建的张量进行张量分解运算，得到四类特征因子；2)当张量的规模发生变化时，根据新加入的用户数据构成的新张量对步骤1)得到的四类特征因子进行动态增量更新，得到新的四类特征因子；3)当对用户进行物品推荐的时候，根据更新后的特征因子，计算用户与物品之间的评分值，将评分值较高的物品作为用户可能会喜欢的物品推荐给用户。本发明可以广泛应用在电子商务网站的推荐系统中。

主权项

一种基于动态增量更新的上下文推荐方法，其特征在于包括以下步骤：1)根据电子商务网站的历史记录提取用户信息，根据用户信息构建成张量；并对构建的张量进行张量分解运算，得到四类特征因子，具体实现过程为：1.1)在某一电子商务网站通过历史记录提取用户信息，并根据用户信息进行建模，构建张量A，采用数学表达式表示张量代表张量A为N阶张量，张量第1阶表示用户，即包含I₁个用户，张量第2阶表示物品，即包含I₂个物品，张量第n阶n∈[3,...,N]表示上下文信息，即n个上下文信息包含I_n个不同属性；其中，用户信息包括三类，分别为用户名称、物品名称和用户上下文信息，用户上下文信息是指用户的上网时间和用户IP；1.2)对张量A进行张量分解运算，得到四类特征因子，即：用户特征矩阵物品特征矩阵上下特征矩阵以及特征核张量g_t；同时，记录对张量A的展开矩阵A_(n)进行矩阵奇异值分解的特征矩阵以及右奇异值矩阵V_t⁽ⁿ⁾，t表示推荐系统当前的时刻；2)当张量的规模发生变化时，根据新加入的用户数据构成的新张量对步骤1)得到的四类特征因子进行动态增量更新，得到新的四类特征因子；3)当对用户进行物品推荐的时候，根据更新后的特征因子，计算用户与物品之间的评分值，将评分值较高的物品作为用户可能会喜欢的物品推荐给用户。