一种基于AUC优化的有向图推荐方法技术

发明专利技术公开了一种基于AUC优化的有向图推荐方法，适于推荐方法的分析领域，其具体步骤为：首先将用户的评分矩阵设定成待优化的目标函数；然后将目标函数转化成近似的凸优化函数；再使用梯度下降法进行函数优化；再根据函数优化后重新得到的权重矩阵，计算用户的兴趣度矩阵；最后对预测到的用户评分最高的top‑N个项目用于推荐。本发明专利技术具有节约时间且更加精确实时的特点。

【技术实现步骤摘要】
一种基于AUC优化的有向图推荐方法
本专利技术属于应用于推荐系统中的推荐方法分析
，特别涉及一种基于AUC(areaunderthereceiveroperatingcharacteristiccurve)优化的有向图推荐方法。
技术介绍
随着社交网络中信息数量的不断增长，信息传播的速度也在不断加快，人们获取信息的途径也变得越来越广。基于社交网络传播的信息聚散结构使人们传播和获取信息的能力得到了前所未有的提高，加速了人际交流和信息流通。从某种意义上说，社交网络信息传播在融合大众传播和人际传播的基础上，构建了一种全新的分布式网状传播机制。而在这种传播机制中，信息在用户之间的扩散往往会受到用户影响力的影响。可以看出，在目前时代背景下，开展社交网络的研究显得十分重要。而推荐系统作为社交网络中的研究热点之一，已近引起了学者的广泛关注。例如,据VentureBeat统计，Amazon的推荐系统为其提供了35％的商品销售额。目前在众多推荐方法中，协同过滤是应用最多的方法。虽然协同过滤推荐方法取得了巨大的成功，但其仍然存在着诸多问题，其中很重要的一点是传统的协同过滤方法经常忽略用户(产品)之本文档来自技高网...

【技术保护点】
1.一种基于AUC优化的有向图推荐方法，其特征在于，具体步骤如下：(1)将用户的评分矩阵设定成待优化的目标函数；(2)将目标函数转化成近似的凸优化函数；(3)使用梯度下降法进行函数优化；(4)根据函数优化后重新得到的权重矩阵，计算用户的兴趣度矩阵；(5)对用户评分最高的top‑N个项目用于推荐。

【技术特征摘要】
1.一种基于AUC优化的有向图推荐方法，其特征在于，具体步骤如下：(1)将用户的评分矩阵设定成待优化的目标函数；(2)将目标函数转化成近似的凸优化函数；(3)使用梯度下降法进行函数优化；(4)根据函数优化后重新得到的权重矩阵，计算用户的兴趣度矩阵；(5)对用户评分最高的top-N个项目用于推荐。2.根据权利要求1所述的一种基于AUC优化的有向图推荐方法，其特征在于，所述步骤(3)中使用梯度下降法进行函数优化的具体步骤如下：(3.1)初始化权重矩阵；(3.2)对于网络中的每一个顶点的权重向量进行迭代更新；(3.3)进行误差分析，对收敛条件进行判断，并最终输出优化后的权重矩阵。3.根据权利要求1所述的一种基于AUC优化的有向图推荐方法，其特征在于，所述步骤(1)中设定待优化的目标函数的具体步骤如下：设需要计算的相似度得分为：S＝WA，其中W为n*n阶权重矩阵，记W的第k行向量为wk，其中A为n*m阶网络拓扑矩阵，记A的第j列为aj，则skj＝wkaj，skj是评价得分矩阵S第k行第j列的元素；则评分的AUC值可用如下的表达式表示：其中：P＝N(N-1)/2为节点间所有可能存在的连边数；M为网络中存在的连边数；k为权重矩阵W的第k行；Γ(vk)为节点集合V中与vk有连接的邻居点集合，即：Γ(vk)＝{v|(vk,v)∈E}，E为网络中边的集合；其中：4.根据权利要求1所述的一种基于AUC优化的有向图推荐方法，其特征在于，所述步骤(2)中将目标函数转化成近似的凸优化函数的具体步骤如下：用一个近似的凸优化问题来近似步骤(1...

【专利技术属性】
技术研发人员：陈伯伦，花勇，袁燕，李芬芬，张永军，于永涛，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏,32