[发明专利]基于上下文感知的支持向量回归推荐方法及系统

摘要

本发明公开了一种基于上下文感知的支持向量回归推荐方法，包括：构建用户特征属性矩阵；得到项目特征属性信息矩阵，得到项目特征属性的偏好矩阵，构建用户偏好矩阵；构建上下文情境矩阵，构建评分矩阵，基于上下文情境矩阵、用户特征属性矩阵、用户偏好矩阵以及所述评分矩阵，构建得到基于上下文的用户偏好模型；利用支持向量回归SVR算法对所述基于上下文的用户偏好模型进行优化，得到有效的评分预测模型；基于所述评分预测模型计算目标用户的未购买过项目的评分，并将评分最高的前L个项目推荐给所述目标用户。本发明还公开了相应的系统。本发明能够应用于民航旅客附加服务的推荐，能够为旅客在众多的服务中较迅速准确的找到适合自己的服务。

主权项

一种基于上下文感知的支持向量回归推荐方法，其特征在于，包括以下步骤：S1：根据目标用户历史记录获得用户自身的属性信息，并根据用户自身的属性信息构建用户特征属性矩阵；S2：获取待推荐项目的特征属性信息，得到项目特征属性信息矩阵；并获取用户对待推荐项目特征属性的偏好信息，得到项目特征属性的偏好矩阵；根据项目特征属性信息矩阵和项目特征属性的偏好矩阵构建用户偏好矩阵；S3：根据目标用户选择项目时所处的上下文信息情境构建上下文情境矩阵，所述上下文情境矩阵能够标识用户是否处于影响用户行为的上下文信息情境中；获得用户在上下文信息下对各项目的实际评分值，构建评分矩阵；基于上下文情境矩阵、用户特征属性矩阵、用户偏好矩阵以及所述评分矩阵，构建得到基于上下文的用户偏好模型；S4：利用支持向量回归SVR算法对所述基于上下文的用户偏好模型进行优化，当达到预定阈值后，将优化后的基于上下文的用户偏好模型作为有效的评分预测模型；基于所述评分预测模型计算目标用户的未购买过项目的评分，并将评分最高的前L个项目推荐给所述目标用户，所述L为自然数。