主权项 |
一种基于评分和用户行为的商品推荐方法,其特征在于:分别针对评分利用隐因子模型预测未知评分,针对用户行为特征利用逻辑回归模型估计用户购买某一商品的可能性,具体包含以下步骤:步骤1:构建用户‑商品评分矩阵,建立隐因子模型即LFM,利用LFM对商品进行自动聚类,找出隐含的类别或特征因子,利用随机梯度下降法优化求解,将用户兴趣p<sub>u</sub>分解成对多个隐含类别的喜爱程度,商品q<sub>i</sub>用包含这些隐含特征的权重表示,用户对商品的喜爱程度建模为两者的内积,即R=p<sub>u</sub>*q<sub>i</sub>,将目标用户预测评分较高的商品集作为推荐候选集S;步骤2:首先对用户行为数据进行预处理,提取用户的行为特征feature<sub>u</sub>={x<sub>1</sub>,x<sub>2</sub>,x<sub>3</sub>,...,y<sub>u</sub>},作为逻辑回归模型的输入参数,然后利用随机梯度下降法优化求解,求出影响用户兴趣特征的回归系数,来估计目标用户对商品购买的可能性,将目标用户购买可能性较大的商品集作为推荐候选集G;步骤3:首先对所述候选集S中评分数值进行归一化处理,然后与所述候选集G进行加权组合排序,最后将排序前10名的商品推荐给用户。 |