[发明专利]一种面向众智平台的改进随机游走图模式推荐算法

摘要

本发明提出一种面向众智平台的改进随机游走图模式推荐算法。该方法主要聚焦在物品网络上，根据得到的基于时间效应的协同过滤的物品之间的相似度，构建物品网络，将相似度作为游走的权重，多次游走，可以挖掘出物品与物品之间的联系，为物品寻找出更多的相似物品，克服数据的稀疏性，提升丰富性和覆盖率。权重的加入也使得推荐结果更具个性化。

主权项

1.一种面向众智平台的改进随机游走图模式推荐算法，其特征在于包括以下步骤：(一)获取物品之间的相似度得到用户对物品产生行为的时间信息，把时间衰减函数加入到物品的相似度计算公式中，得到式3‑1：s_ij表示物品i和物品j的相似度，u表示用户，N(i)∩N(j)表示同时喜欢物品i和物品j的用户，|N(i)|表示喜欢物品i的用户数，|N(j)|表示喜欢物品j的用户数；公式3‑1在分子中引入了和时间有关的衰减项f(|t_ui‑t_uj|)；t_ui表示用户u对物品i产生行为的时间，t_uj表示用户u对物品j产生行为的时间，f(|t_ui‑t_uj|)的含义是，用户u对物品i和物品j产生行为的时间越远，则f(|t_ui‑t_uj|)越小；f(|t_ui‑t_uj|)的表达式如式3‑2；其中，e为自然常数，N₀＝N(0)为N在0时刻的初始数值，即时间衰减前的初始值，β＞0称为指数衰减常数；(二)构建物品邻接矩阵根据(一)中得到的相似度，为物品寻找相似度大于0的所有商品，构建物品邻接矩阵S：其中，s_ij表示物品i和物品j的相似度，m为物品s_ii＝0(1≤i≤m)的数量，s_ii＝0(1≤i≤m)表示不考虑物品与其自身的相似度；(三)更新转移概率矩阵将(一)中得到的物品的相似度来作为图模式的边的权重，将3‑3中的物品邻接矩阵S进行归一化就得到转移概率矩阵T；矩阵中的元素t_ij表示从物品i游走到物品j的概率；表达式为其中，s_ik表示物品i和物品k的相似度；(四)获取物品列向量令r表示物品列向量，每个元素r_j表示物品j被访问的概率，其中1≤i≤m，则随机游走策略的数学表达是rⁿ＝c×T×r^n‑1+(1‑c)×r⁰   (3‑5)其中，c为游走到下一个节点的概率，1‑c为返回到开始节点i的概率，c的取值为[0，1]，rⁿ表示第n步到达各个物品节点的概率分布，r⁰表示初始概率分布，它的每个元素r_j的取值如式3‑6，即从物品j开始游走，初始赋予自身的重要度为1，其余物品的重要度为0；经过多次的迭代之后，物品列向量r会收敛到一个静态概率分布，为rⁿ＝(1‑c)×(I‑c×T)^‑1×r⁰   (3‑7)其中，I表示单位矩阵，由此获得物品与物品之间的相似度，用r_ij表示物品i和物品j的相似度；(五)基于模型进行推荐上节得到了物品之间的相似度，结合用户的行为数据，计算用户对每个物品的偏好值；通过如下公式计算用户u对一个物品j的兴趣：p_uj＝∑_{i∈N(u)∩S(i，K)}p_uir_ij   (3‑8)其中，p_uj表示用户u对物品j的兴趣，N(u)表示用户u喜欢的物品集合，i是该用户喜欢的某一个物品，，S(i，K)表示和物品i最相似的K个物品集合，j是这个集合中的某一个物品，，p_ui表示用户u对物品i的兴趣，r_ij表示物品i和物品j的相似度；最后，根据得到的偏好值，取TopN推荐给用户。