The invention discloses a personalized recommendation method based on local low rank matrix, which first reads the data, processes the data and obtains the score matrix. The score matrix randomly selects Q elements as anchor points to compute a low rank matrix in each anchor point neighborhood space, and forms Q low rank matrices, and then combines the shape by linear method. The final approximate score matrix is formed. Then, the evaluation system attributes, user attributes and item attributes are calculated respectively. Finally, personalized recommendation is made based on calculation. The invention adds factors of users, articles and scoring system to the original local low rank matrix method, so as to make the recommendation result more accurate and more accurate than the original matrix decomposition method.
【技术实现步骤摘要】
一种基于局部低秩矩阵的个性化推荐方法
本专利技术涉及基于大数据的个性化推荐
,尤其涉及一种基于局部低秩矩阵的个性化推荐方法。
技术介绍
互联网技术的快速发展使得大量的信息爆炸式地呈现在公众的面前,人们很难从海量的信息中提取自己所想要的信息,也就是降低了信息的使用率,从而造成信息超载的情况。而这种情况的一种解决方法就是个性化的推荐方法,个性化推荐可以根据用户个性的需求从海量中的信息中提取出来。因此为了提高信息的利用效率以及推荐给用户恰当的物品来满足用户的需求,我们需要一个完备的个性化推荐系统。已有的个性推荐方法建立在原有的矩阵分解模型上,在精确度以及数据大小上存在一定的不足。
技术实现思路
本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷,提供一种基于局部低秩矩阵的个性化推荐方法,在保证推荐更加精确、存储更加方便的情况下考虑到了用户的独特癖好、物品的品质特性以及打分网站的整体风格,使得推荐结果在某些特定的场景下表现更加好。本专利技术为解决上述技术问题采用以下技术方案:一种基于局部低秩矩阵的个性化推荐方法,包含以下步骤:步骤1:局部低秩近似矩阵的计算:步骤1-1:平台采集用户个人信息、用户行为特征、以及用户对物品的评价数据,形成用户评分矩阵Rm×n:其中,m表示用户的数量,n表示物品的数量,rij表示用户i对物品j的评价;步骤1-2:对于用户评分矩阵随机取q个可观察到的元素作为锚点,采用最小化平方重构误差的方法得到得到q个在邻域空间内的局部低秩矩阵Ut和Vt,其中,Ut为第t个元素所对应的用户特征矩阵,Vt为第t个元素所对应的物品特征矩阵,,t∈( ...
【技术保护点】
1.一种基于局部低秩矩阵的个性化推荐方法,其特征在于,包含以下步骤:步骤1:局部低秩近似矩阵的计算:步骤1‑1:平台采集用户个人信息、用户行为特征、以及用户对物品的评价数据,形成用户评分矩阵Rm×n:
【技术特征摘要】
1.一种基于局部低秩矩阵的个性化推荐方法,其特征在于,包含以下步骤:步骤1:局部低秩近似矩阵的计算:步骤1-1:平台采集用户个人信息、用户行为特征、以及用户对物品的评价数据,形成用户评分矩阵Rm×n:其中,m表示用户的数量,n表示物品的数量,rij表示用户i对物品j的评价;步骤1-2:对于用户评分矩阵随机取q个可观察到的元素作为锚点,采用最小化平方重构误差的方法得到得到q个在邻域空间内的局部低秩矩阵Ut和Vt,其中,Ut为第t个元素所对应的用户特征矩阵,Vt为第t个元素所对应的物品特征矩阵,,t∈(1,q),计算公式如下:式中,K((u*,i*),(u.i))是计算元素(u,i)和元素(u*,i*)的平滑核函数,Ω代表训练集中所有的元素,Mu,i表示用户u对于物品i的评分;步骤1-3:使用N-W估计将q个用户特征矩阵和q个物品特征矩阵组合起来得到最终的近似评分矩阵式中,(ut,it)表示被选中的第t个元素,K((...
【专利技术属性】
技术研发人员:薛启东,施沈池,王玉峰,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。