一种基于对偶自编码器的组推荐方法技术

本发明专利技术属于计算机技术推荐方法领域，涉及一种基于对偶自编码器的组推荐方法。据我们所知，大部分组推荐系统只利用用户评分信息进行推荐，缺乏使用方面信息进行组推荐。在本发明专利技术中，我们通过使用自编码器来学习融合了群组偏好的隐因子表达式。另一方面，我们注意到群组成员内不同用户对群组的影响力是不同的。我们建议使用组员在群组中的代表性来表达群组中每个用户的影响力。同时我们还考虑了组间差异性和物品间差异性对群组推荐的影响。本发明专利技术通过学习群组的潜因子表达式和物品的潜因子表达式来预测群组对物品的评分，发、然后通过top‑k排序为群组推荐一个列表。

【技术实现步骤摘要】
一种基于对偶自编码器的组推荐方法
本专利技术属于计算机技术推荐方法领域，涉及一种基于对偶自编码器的组推荐方法。
技术介绍
近年来，推荐系统逐渐成为人们在海量数据中发现有价值信息的重要工具.在目前的研究中，大部分的推荐算法是针对单独用户设计的，实际中还有很多应用是针对多人进行推荐，例如，针对多人的电视节目推荐或者旅游地点推荐.在这些情景下，根据适合单独用户的推荐算法无法给多人产生满意的推荐结果，因为一个用户满意的推荐结果对其他人来说很可能不是太好的选择.因此，如何选择推荐内容使群组内每个组员都满意或者接受是面向群组的推荐算法需要解决的主要难题.根据组推荐过程中偏好融合的时机，偏好融合方法可以分为模型融合和推荐融合。模型融合方法根据群组成员的用户偏好模型融合生成群组偏好模型，然后基于群组偏好模型生成组推荐；推荐融合方法先利用传统推荐算法对每个群组成员生成推荐，然后将所有群组成员的推荐结果融合得到群组推荐结果。本专利技术提出的算法属于模型融合。组推荐过程中不仅要考虑组内成员差异性对推荐结果的影响，还要考虑组间差异性和物品间差异性对推荐结果的影响。因此我们在研究过程中要同时考虑三者对推荐结果本文档来自技高网...

【技术保护点】
1.一种基于对偶自编码器的组推荐方法，其特征在于以下步骤：a.获取用户历史评论和评分数据集，生成群组；b.获取偏好信息：通过使用现有的文本主题模型提取评论数据集的各个主题以及每个主题的主题词；b1.群组方面偏好：

【技术特征摘要】
1.一种基于对偶自编码器的组推荐方法，其特征在于以下步骤：a.获取用户历史评论和评分数据集，生成群组；b.获取偏好信息：通过使用现有的文本主题模型提取评论数据集的各个主题以及每个主题的主题词；b1.群组方面偏好：代表群组对方面A的偏好，w(g.u)代表用户u在群组g中的代表性，cu代表用户u评论的总次数，代表用户u对方面A的评论次数b2.物品方面质量：代表物品对方面A的偏好，d(g,n)代表群组g对物品n的重视度，e(g,n)代表物品n在群组g内被的评论次数，代表物品n的方面A在群组g中被评论的次数，|G|代表群组的总个数b3.重复步骤b1和b2直至获得所有群组对所有方面的偏好以及所有物品对所有方面的质量，从而获得群组方面偏好(a×k阶)和物品方面质量矩阵(n×k阶)；c.在群组推荐系统中，为了同时考虑了组间差异性和物品间差异性对组推荐的影响，我们还需要获取组-组关系矩阵(a×a阶)和物品-物品关系矩阵(n×n阶)；c1.组-组关系矩阵(a×a阶)：代表群组gi的所有评分物品的集合c2.物品-物品关系矩阵(n×n阶)：代表物品ni的所有用户评分的集合d.是用对偶自编码器对获取的群组方面偏好矩阵、物品方面质量矩阵、组-组关系矩阵和物品-物品关系矩阵同时编码分别获取群组方面偏好隐因子表达式、物品方面质量隐因子表达式、组-组关系隐因子表达式和物品-物品关系隐因子表达式；群组方面偏好隐因子表达式和组-组关系隐因子表达式...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：中森云链成都科技有限责任公司，
类型：发明
国别省市：四川,51