[发明专利]一种基于多视图锚点图哈希技术的个性化推荐方法

摘要

本发明公开了一种基于多视图锚点图哈希技术的个性化推荐方法，包括如下步骤：1)根据用户在不同视图下的行为数据构建用户数据的多视图锚点图表示；2)利用得到的多视图锚点图与用户的行为数据生成连续空间中的用户哈希编码；3)对连续空间中的哈希编码进行量化，得到用户对应的二进制哈希编码；4)利用得到的用户哈希编码为目标用户搜索相似用户；5)将相似用户对应的偏好物品集合作为推荐候选列表，计算目标用户对候选物品的偏好程度，返回偏好程度最大的若干个物品作为推荐结果。本发明将用户在不同视图下的数据进行了整合，提高了推荐结果的质量。同时利用相似度保留的哈希编码实现了相似用户的快速搜索，提高了推荐结果计算的效率。

主权项

1.一种基于多视图锚点图哈希技术的个性化推荐方法，其特征在于，包括以下步骤：1)根据训练用户在不同视图下的行为数据，构建用户数据的多视图锚点图表示；所述的步骤1)包括以下子步骤：1.1)对于训练用户在第i个视图下的行为数据矩阵其中N表示训练用户的数量，d_i表示第i个视图下用户数据的维度，利用K‑means聚类方法生成Ti个聚类中心，作为该视图下数据的锚点，Ti的取值与用户数量相关，大于设定的哈希编码的位数R；1.2)将不同视图下的训练用户数据进行水平连接得到矩阵其中M表示视图的数量，d_total表示所有视图下用户数据的维度之和；1.3)对于每个训练用户，搜索该用户在各视图下最近邻的2个锚点，组成集合利用不同视图下的最近邻锚点集合构建对角矩阵1.4)对于每个训练用户，利用Nesterov梯度方法和投影梯度方法求解优化问题其中表示该用户到所有最近邻锚点的转移概率，初值均为x_i表示矩阵X的第i行；1.5)将用户到非最近邻锚点的转移概率设定为0，根据得到的各用户到最近邻锚点的转移概率，得到所有用户到所有锚点的转移概率矩阵其中T_total表示所有视图下锚点数量的总和，这个转移概率矩阵就是所构建的用户数据的多视图锚点图表示；2)利用多视图锚点图与训练用户的行为数据生成连续空间中的用户哈希编码；3)对连续空间中的哈希编码进行量化，得到训练用户对应的二进制哈希编码；4)利用多视图锚点图、训练用户的二进制哈希编码及目标用户的行为数据生成目标用户对应的二进制哈希编码；5)利用得到的目标用户和训练用户的哈希编码为目标用户搜索相似用户；6)将相似用户对应的偏好物品集合作为推荐候选列表，计算目标用户对候选物品的偏好程度，返回偏好程度最大的K个物品作为推荐结果，K表示推荐结果的数量。