[发明专利]一种面向动态环境的自适应在线推荐方法

摘要

本发明公开一种面向动态环境的自适应在线推荐方法，通过将推荐任务建模成一个在线多分类问题，然后使用自适应在线分类方法进行推荐。首先，获取应用场景的历史数据集。接着，选择分类器和损失函数，并计算出分类器在历史数据集上的最优参数作为初始值。然后，在每个回合根据分类器的预测决定推荐项目，并通过一个自适应方法更新分类器参数。该自适应方法包含一个元方法和多个专家方法。与现有技术相比，本发明能自适应地进行在线推荐，适用于变化速度和幅度无法事先预测的动态环境。

主权项

1.一种面向动态环境的自适应在线推荐方法，其特征在于：包括元方法和专家方法；所述元方法的具体步骤为：步骤100，获取推荐场景历史数据集H＝{(xi，yi)，i＝1，2，...，m}，其中xi表示用户特征和所有候选项目特征拼接而成的向量，yi表示用户实际选择的项目；步骤101，选择分类器c(x，w)和损失函数l(p，y)，其中x表示用户特征和所有候选项目特征拼接而成的向量，y表示用户实际选择的项目，w表示分类器的参数，p表示分类器输出的推荐项目；步骤102，在历史数据集上，根据所选的分类器和损失函数，在分类器参数可行域W中计算最优参数步骤103，设置步长参数α；步骤104，设置专家方法个数N；步骤105，设置每个专家方法的学习率η；步骤106，初始化每个专家方法的权重步骤107，在每个推荐回合t＝1，2，...，T执行以下步骤：步骤108，获取用户特征和所有候选项目特征拼接而成的向量xt；步骤109，接收每个专家方法的输出步骤110，计算分类器参数步骤111，根据分类器输出的推荐项目c(xt，wt)进行推荐；步骤112，获取该回合用户实际选择的项目yt；步骤113，计算函数f_t(w)＝l(c(x_t，w)，y_t)在w_t处的梯度步骤114，将发送给每个专家方法；步骤115，构造替代损失函数st(·)；步骤116，更新每个专家方法的权重每个专家方法的具体步骤为：步骤200，初始化步骤201，在每个推荐回合t＝1，2，...，T执行以下步骤：步骤202，将发送给元方法；步骤203，接收步骤204，更新输出