[发明专利]一种融合用户隐式物品偏好与隐式信任的可解释推荐方法

摘要

本发明公开了一种融合用户隐式物品偏好与隐式信任的可解释推荐方法，针对推荐系统存在的评分数据稀疏和冷启动的问题，通过利用用户评论挖掘用户的隐式物品偏好和隐式信任，可以极大的提高评分预测的准确性和可解释性。本发明利用主题模型LDA和方面矩阵分解模型AMF在评论中挖掘用户方面偏好和物品方面质量，其次利用用户方面偏好和物品方面质量捕捉用户的隐式物品偏好，再通过用户评分和评论捕捉用户隐式信任。最后将用户的隐式物品偏好和用户隐式信任修正预测的评分，可以提高推荐的准确性和可解释性。

主权项

1.一种融合用户隐式物品偏好与隐式信任的可解释推荐方法，其特征在于包括以下步骤：步骤1：从互联网中采集用户数据对其进行预处理，生成用户行为数据存放到用户行为信息数据库；步骤2：基于训练集构建用户—方面偏好矩阵P和物品—方面质量矩阵Q；步骤3：利用基于评分的矩阵分解方法将步骤2中的用户—方面偏好矩阵P分解成用户—潜特征矩阵U和方面—潜特征矩阵X的乘积，将物品—方面质量矩阵Q分解成物品—潜特征矩阵V和方面—潜特征矩阵Y的乘积；步骤4：将用户潜特征和物品潜特征融合得到预测的用户评分矩阵，将其作为用户原始评分矩阵R的近似；步骤5：利用步骤2中的用户方面偏好矩阵P和物品方面质量矩阵Q构建用户的隐式物品偏好Z矩阵；步骤6：利用观测到的用户评分和评论信息挖掘用户隐式信任；步骤7：将隐式物品偏好和隐式信任修正预测的评分；步骤8：利用RMSE和MAE对本方法的性能好坏进行评估；步骤9：给用户预测评分推荐Top‑k个物品，同时根据用户对物品偏好和用户隐式信任来给出推荐解释。