| 主权项 |
1.一种基于二部图资源非均匀分配的个性化商品推荐方法，其特征在于，包括以下具体步骤：预处理步骤：分别构建用户集U={u<sub>1</sub>,u<sub>2</sub>,...,u<sub>m</sub>}，商品集O={o<sub>1</sub>,o<sub>2</sub>,...,o<sub>n</sub>}，其中，m表示用户的数量，n表示商品的数量；建立用户-商品连接矩阵A={a<sub>ij</sub>}，其中，a<sub>ij</sub>表示用户i和商品j之间的连接，如果用户i选择过商品j，则令a<sub>ij</sub>=1，否则令a<sub>ij</sub>=0；资源扩散步骤：资源以非对称扩散方式由商品扩散至用户，然后，以同样的方法由用户扩散至商品，具体步骤如下：1）将资源由商品扩散至用户，其资源扩散公式为：<img file="FDA0000386807080000011.GIF" wi="472" he="132" />其中，p<sub>lj</sub>表示用户u<sub>l</sub>从商品o<sub>j</sub>处获得的资源，k(u<sub>t</sub>)表示用户u<sub>t</sub>的用户度，所述用户度表示用户选择过商品的数量，α为调节因子，用于提高资源扩散的准确率和多样性；2）将资源由用户扩散至商品，其资源扩散公式为：<img file="FDA0000386807080000012.GIF" wi="515" he="134" />其中，q<sub>il</sub>表示商品o<sub>i</sub>从用户u<sub>l</sub>处获得的资源，k(o<sub>i</sub>)表示商品o<sub>i</sub>的商品度，所述商品度表示商品被用户选择的次数，v<sub>li</sub>表示用户u<sub>l</sub>对商品o<sub>i</sub>的兴趣度，所述兴趣度表示用户对商品的关注程度，k(o<sub>s</sub>)表示商品o<sub>s</sub>的商品度，v<sub>ls</sub>表示用户u<sub>l</sub>对商品o<sub>s</sub>的兴趣度；3）将资源<img file="FDA0000386807080000013.GIF" wi="74" he="102" />自商品o<sub>j</sub>经用户u<sub>l</sub>扩散至商品o<sub>i</sub>，其资源扩散公式为：<maths num="0001"><![CDATA[<math><mrow><msubsup><mi>w</mi><mi>ij</mi><mi>l</mi></msubsup><mo>=</mo><msub><mi>p</mi><mi>lj</mi></msub><msub><mi>q</mi><mi>il</mi></msub><mo>=</mo><mfrac><mrow><msub><mi>a</mi><mi>lj</mi></msub><msub><mi>a</mi><mi>li</mi></msub><msup><mi>k</mi><mi>α</mi></msup><mrow><mo>(</mo><msub><mi>o</mi><mi>i</mi></msub><mo>)</mo></mrow><msub><mi>v</mi><mi>li</mi></msub></mrow><mrow><msubsup><mi>Σ</mi><mrow><mi>t</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></msubsup><msub><mi>a</mi><mi>tj</mi></msub><msup><mi>k</mi><mi>α</mi></msup><mrow><mo>(</mo><msub><mi>u</mi><mi>t</mi></msub><mo>)</mo></mrow><msubsup><mi>Σ</mi><mrow><mi>s</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mi>a</mi><mi>ls</mi></msub><msup><mi>k</mi><mi>α</mi></msup><mrow><mo>(</mo><msub><mi>o</mi><mi>s</mi></msub><mo>)</mo></mrow><msub><mi>v</mi><mi>ls</mi></msub></mrow></mfrac><mo>;</mo></mrow></math>]]></maths>4）将资源由商品o<sub>j</sub>经所有用户扩散至商品o<sub>i</sub>，其扩散公式为：<maths num="0002"><![CDATA[<math><mrow><msub><mi>w</mi><mi>ij</mi></msub><mo>=</mo><msubsup><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></msubsup><msubsup><mi>w</mi><mi>ij</mi><mi>l</mi></msubsup><mo>=</mo></mrow></math>]]></maths><maths num="0003"><![CDATA[<math><mrow><msubsup><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></msubsup><msub><mi>p</mi><mi>lj</mi></msub><msub><mi>q</mi><mi>il</mi></msub><mo>=</mo><mfrac><mn>1</mn><mrow><msubsup><mi>Σ</mi><mrow><mi>t</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></msubsup><msub><mi>a</mi><mi>tj</mi></msub><msup><mi>k</mi><mi>α</mi></msup><mrow><mo>(</mo><msub><mi>u</mi><mi>t</mi></msub><mo>)</mo></mrow></mrow></mfrac><msubsup><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></msubsup><mfrac><mrow><msub><mi>a</mi><mi>lj</mi></msub><msub><mi>a</mi><mi>li</mi></msub><msup><mi>k</mi><mi>α</mi></msup><mrow><mo>(</mo><msub><mi>o</mi><mi>i</mi></msub><mo>)</mo></mrow><msub><mi>v</mi><mi>li</mi></msub></mrow><mrow><msubsup><mi>Σ</mi><mrow><mi>s</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mi>a</mi><mi>ls</mi></msub><msup><mi>k</mi><mi>α</mi></msup><mrow><mo>(</mo><msub><mi>o</mi><mi>s</mi></msub><mo>)</mo></mrow><msub><mi>v</mi><mi>ls</mi></msub></mrow></mfrac><mo>;</mo></mrow></math>]]></maths>推荐商品计算步骤：计算最终资源分配矢量：W′=W+βW<sup>2</sup>，<img file="FDA0000386807080000017.GIF" wi="250" he="98" />其中，<img file="FDA0000386807080000018.GIF" wi="62" he="98" />表示最终资源分配矢量，W={w<sub>ij</sub>}表示经资源扩散步骤得到的资源矩阵，β为可调节参数，用于消除相似性冗余，<img file="FDA0000386807080000019.GIF" wi="54" he="92" />表示用户的初始资源；个性化推荐步骤：将目标用户尚未选择过的所有商品，分别按照最终资源分配矢量<img file="FDA0000386807080000021.GIF" wi="58" he="89" />中的对应元素由大到小进行排序，取排名靠前的一个或者多个商品作为推荐商品推荐给用户。 |
