基于子组与社会行为的缩小群组推荐列表方法技术

本发明专利技术公开了一种基于子组与社会行为的缩小群组推荐列表方法，属于数据处理技术领域。本发明专利技术包括对数据集划分成若干群组，得到项目主题特征模型与用户主题偏好模型，将每个群组划分为若干个子组；根据所述子组获取初始群组推荐列表、子组偏好和子组权重；根据所述子组权重与子组偏好，通过加权模型得到群组偏好；将所述群组偏好与所述初始群组推荐列表进行相似度匹配，得到最终群组推荐列表。本发明专利技术可以在满足推荐准确性与公平性的前提下，最大化缩小群组推荐列表，使群组成员可以更方便地做出选择。

【技术实现步骤摘要】
基于子组与社会行为的缩小群组推荐列表方法
本专利技术属于数据处理
，具体涉及一种基于子组与社会行为的缩小群组推荐列表方法。
技术介绍
随着互联网时代的兴起，人们的衣食住行发生了巨大的变化。用户在网络上购买、阅读、浏览，一边享受着互联网带来的快捷，一边也给互联网提供了许多个人信息，用户不仅在网络上接收信息，同时也在制造信息，这便造成了数据的爆炸式增长。面对日益剧增的数据，我们需要进行充分分析并利用，来更好地服务于用户，如何在海量的数据中快速准确的获得用户想要的内容，是目前亟待解决的问题。推荐系统旨在在过载的搜索空间中为用户提供感兴趣的项目。目前推荐系统已经成功地在教育、电子商务、金融投资等领域得到运用。随着推荐系统的日益成长，用户偏好的获取渠道越来越多样化，不同的附加信息也被用来进行分析用户的需求喜好，例如社交关系、签到记录、评论信息、用户上传的图片等等。推荐系统的目的也从传统的提升推荐的准确性，慢慢扩展到提升推荐的实时性、多样性，以此来提升用户的使用体验，更人性化的为用户提供更好的服务。然而，传统的推荐系统面向单个用户进行推荐，而许多推荐情况常常是面向一群人，因此，此时的推荐系本文档来自技高网...

【技术保护点】
1.基于子组与社会行为的缩小群组推荐列表方法，其特征在于，包括：对数据集划分成若干群组，得到项目主题特征模型与用户主题偏好模型，将每个群组划分为若干个子组；根据所述子组获取初始群组推荐列表、子组偏好和子组权重；根据所述子组权重与子组偏好，通过加权模型得到群组偏好；将所述群组偏好与所述初始群组推荐列表进行相似度匹配，得到最终群组推荐列表。

【技术特征摘要】
1.基于子组与社会行为的缩小群组推荐列表方法，其特征在于，包括：对数据集划分成若干群组，得到项目主题特征模型与用户主题偏好模型，将每个群组划分为若干个子组；根据所述子组获取初始群组推荐列表、子组偏好和子组权重；根据所述子组权重与子组偏好，通过加权模型得到群组偏好；将所述群组偏好与所述初始群组推荐列表进行相似度匹配，得到最终群组推荐列表。2.根据权利要求1所述的基于子组与社会行为的缩小群组推荐列表方法，其特征在于，所述得到项目主题特征模型与用户主题偏好模型的步骤包括：采用LDA主题模型获取项目主题特征模型；依据历史评分记录将用户划分成活跃与非活跃用户；活跃用户通过TF-IDF与时间因子获取用户主题偏好模型；非活跃用户通过外部专家获取主题偏好模型；利用成员间对属性偏好的相似度，将具有...

【专利技术属性】
技术研发人员：毛宇佳，刘学军，何瑾琳，张军强，陆淑娟，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏,32