一种面向多属性评分系统的评分预测方法技术方案

本发明专利技术提供了一种面向多属性评分系统的评分预测方法，包括步骤：S1：输入数据：收集用户对商品的多个属性的评分，输入多个属性的评分数据；S2：构建模型：利用具有U、C、A三个维度的三维张量

A scoring prediction method for multi attribute scoring system

The invention provides a prediction method for multi attribute rating scoring system comprises the following steps: S1: input data: collect user multiple attributes of the commodity score, score data input multiple attributes; S2: model: using three dimensional tensor with U, C, A in three dimensions

【技术实现步骤摘要】
一种面向多属性评分系统的评分预测方法
本专利技术涉及计算机应用领域，具体涉及一种面向多属性评分系统的基于张量分解的多属性评分预测方法。
技术介绍
今年来，随着互联网的快速发展，推荐系统被广泛应用于电商的在线平台，尤其是个性化推荐技术的发展对于改善用户体验和提高服务质量起到了重要作用。个性化推荐主要是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。个性化推荐主要在计算机上通过推荐系统来完成，推荐系统是建立在海量数据挖掘基础上，传统的推荐主要依赖用户对项目的总体评分，而现在越来越多的在线平台倾向于利用用户提供项目的各属性评分，这些属性评分包含了更细粒度的商品评价信息。利用用户提供的多属性评分可以更全面地获取用户偏好信息或项目特征，从而实现更有效的推荐，目前多属性评分推荐已成为推荐领域的一个重要研究方向。多属性评分推荐算法的研究刚刚起步，其核心是多属性评分预测。现有很多的多属性评分预测算法没有兼顾多属性评分系统中各属性评分的关联关系，也没有有效解决稀疏性问题。因此针对多属性评分系统，研究有效的多属性评分预测算法成为亟待解决的问题。
技术实现思路
本专利技术的主要目的，在于提供一本文档来自技高网...

【技术保护点】
一种面向多属性评分系统的评分预测方法，其特征在于，包括以下步骤：S1：输入数据：收集用户对商品的多个属性的评分，输入多个属性的评分数据；S2：构建模型：利用具有U、C、A三个维度的三维张量

【技术特征摘要】
1.一种面向多属性评分系统的评分预测方法，其特征在于，包括以下步骤：S1：输入数据：收集用户对商品的多个属性的评分，输入多个属性的评分数据；S2：构建模型：利用具有U、C、A三个维度的三维张量表达多属性评分信息，其中：U表示用户，C表示商品，A表示商品的属性；S3：设置参数，得到初始化矩阵基于典范分解模型，将多属性的评分张量分解为三个二维矩阵和一个三维对角张量的乘积，如公式(1)所示：公式(1)中，为三维对角张量，即对角线上元素为1，其余元素都为0；矩阵为|U|×kr维，|U|表示用户个数；矩阵为|C|×kr维，|C|表示商品个数；矩阵为|A|×kr维，|A|表示属性个数；kr是一个大于0的正整数，表示张量分解的维度大小；S4：张量分解，计算得到中间矩阵计算目标函数的值，若目标函数未收敛或未达到迭代次数上限，使用随机梯度下降法更新矩阵每次更新后重新计算目标函数的值，直到目标函数收敛或者达到迭代次数上限时停止，得到中间矩阵S5：张量填充，完成评分预测：根据步骤S4分解得到的中间矩阵采用典范分解模型，计算用户对商品各个属性的评分，实现多属性评分张量的填充。2.根据权利要求1所述的一种面向多属性评分系统的评分预测方法，其特征在于：步骤S1中，多个属性的评分包括用户对商品的价格、服务多个属性的评分。3.根据权利要求1所述的一种面向多属性评分系统的评分预测方法，其特征在于：所述评分数据由一个或多个公共网站进行收集归纳。4.根据权利要求1所述...

【专利技术属性】
技术研发人员：袁汉宁，杨静婷，王少鹏，王树良，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11