[发明专利]一种融合方面隐式反馈的试题可解释Top-K推荐方法

摘要

本发明公开了一种融合方面隐式反馈的试题可解释Top‑K推荐方法。习题可解释Top‑K推荐方法旨在为用户提供一个可提升学习能力的习题推荐列表，同时对推荐的习题给出解释信息。针对基于隐式反馈的Top‑K推荐问题，将评论文本中的隐式反馈信息融合到基于贝叶斯个性化排序的矩阵分解中，从而提升Top‑K推荐的性能。为了挖掘未观测的隐式反馈，本发明将观测到的用户隐式反馈(正反馈)编码到矩阵分解的因子矩阵中，并通过矩阵分解来恢复未观测到的隐式反馈(负反馈和缺失值)。为了融合隐式反馈信息用于排序，本文将贝叶斯个性化排序引入融合了用户隐式反馈信息的矩阵分解中。

主权项

1.一种融合方面隐式反馈的试题可解释Top‑K推荐方法，其特征在于包括以下步骤：步骤1：通过日志系统收集用户的隐式反馈数据，并保存到数据库中；步骤2：基于用户的隐式反馈信息构建(用户，试题，方面)三元隐式反馈集P、(用户，试题，方面)三元正隐式反馈集P⁺、(用户，试题)二元隐式反馈集Q、(用户，试题)二元正隐式反馈集Q⁺；步骤3：构建用户隐式方面兴趣；步骤4：通过最小化损失函数学习得到模型的参数w_m、h_a、h_b，其中w_m表示用户m的因子向量，h_a表示已观察到的试题的因子向量，h_b表示未观察到的试题的因子向量；步骤5：利用Precision@K和Recall@K评价本方法的性能，其中Precision@K为查准率，Recall@K为查全率，K代表推荐列表的长度；步骤6：对用户和试题的因子向量进行内积运算，得到重构后的隐式反馈矩阵步骤7：利用重构后的隐式反馈矩阵为每个用户推荐评分最高的K个试题，同时基于用户对试题的方面兴趣给出推荐试题的解释信息，并一同保存到内存服务器中。