[发明专利]基于非负矩阵分解的动态推荐方法

摘要

本发明涉及一种基于非负矩阵分解的动态推荐方法。本发明将t‑1时刻的用户评分矩阵进行非负矩阵分解成基矩阵和权重矩阵，在t时刻使用t‑1时刻的非负矩阵分解结果求解t时刻的基矩阵和权重矩阵，根据基矩阵和权重矩阵计算t时刻的用户兴趣度矩阵，对预测到的目标用户评分最高的top‑N个项目进行推荐，对基于非负分解的动态推荐方法构造损失函数，求解损失。本发明克服了知识库的缺陷。本发明将评分矩阵分解为表征用户特征的基矩阵和项目特征的权重矩阵，利用分解出来的矩阵计算新用户评分矩阵对应的用户特征矩阵和项目特征矩阵，计算新的用户兴趣度矩阵，对预测到的目标用户评分最高的top‑N个项目进行推荐，降低计算开销和存储开销，缩短了用户等待推荐结果的时间。

主权项

基于非负矩阵分解的动态推荐方法，其特征在于对于t时刻的推荐策略，要使用t‑1时刻的分解结果，其步骤如下：(1)将t‑1时刻的用户评分矩阵进行非负矩阵分解成基矩阵和权重矩阵；(2)在t时刻使用t‑1时刻的非负矩阵分解结果求解t时刻的基矩阵和权重矩阵，包括：(2‑1)利用t‑1时刻的分解结果构造新的待分解矩阵；(2‑2)对新构造的矩阵进行非负分解，并得到分解结果；(2‑3)根据上述分解结果分别求解t时刻新的评分矩阵的基矩阵和权重矩阵；(3)根据基矩阵和权重矩阵计算t时刻的用户兴趣度矩阵；(4)对预测到的目标用户评分最高的top‑N个项目进行推荐；(5)对基于非负分解的动态推荐方法构造损失函数，求解损失。