[发明专利]一种基于聚类特征迁移的多电商交叉推荐方法

摘要

本发明公开了一种基于聚类特征迁移的多电商交叉推荐方法，包括如下步骤1)评分矩阵构造阶段：a采集各个电商数据；b数据清洗、去噪音；c构建评分矩阵；d结束；2)辅助域学习阶段：a获取评分矩阵；b提取用户/项目特征矩阵；c对用户/项目特征矩阵聚类；d计算平均评分；e构造聚类特征矩阵；f针对每个辅助电商，重复以上步骤至结束；3)目标域学习阶段：a获取目标电商评分矩阵；b迁移聚类特征，完成矩阵分解。c重构目标电商评分矩阵；d产生推荐列表；e结束。本发明利用迁移学习技术为电商推荐系统存在的数据稀疏性、冷启动和多样性与精确性两难困境问题提供了一种新的解决思路。

主权项

1.一种基于聚类特征迁移的多电商交叉推荐方法，其特征在于，包括如下步骤：步骤1，评分矩阵构造阶段：采集各个电商网站的用户历史行为数据并进行预处理，综合使用能反映用户购买兴趣的行为数据，分别构建每个电商网站的用户‑项目评分矩阵；步骤2，辅助域学习阶段：获取辅助电商的用户‑项目评分矩阵R_z，z∈{1,2,…,Z}；实施ALS算法从用户‑项目评分矩阵R_z中提取维度为D的用户特征矩阵M_z和项目特征矩阵N_z；实施K‑means算法分别对用户特征矩阵M_z和项目特征矩阵N_z进行聚类，得到k_z个用户聚簇和l_z个项目聚簇；计算每个用户聚簇对项目聚簇的平均评分p_kl；构造辅助电商的聚类特征矩阵P_z，聚类特征矩阵P_z中的元素为p_kl；步骤3，目标域学习阶段：获取目标电商的用户‑项目评分矩阵R_T；迁移聚类特征矩阵P_z，帮助用户‑项目评分矩阵R_T完成矩阵分解，得到参数U_z、V_z和α_z；重构目标电商的用户‑项目评分矩阵，得到重构矩阵然后根据具体需求，确定要推荐的商品个数N，由重构矩阵找到用户u_i评分最高的前N个商品进行推荐；其中所述重构目标电商用户项目‑评分矩阵公式如下：其中，W代表RT的标记矩阵，1代表矩阵元素全为数值1的矩阵。