基于前景理论与多目标进化的电影推荐方法技术

本发明专利技术公开了基于前景理论与多目标进化的电影推荐方法，考虑到在做决策时，不同的用户根据其心理、经历有不同的选择，而之前做的多目标进化的推荐，并没有考虑用户的这种心理行为，由此提出了一种改进的多目标进化推荐算法。首先提出了一种基于前景理论的精度度量，然后在进化过程中提出了基于有限理性的种群选择和个体多相似用户的变异过程。实验结果表明，相较于传统推荐算法，EPMOEA可以在精度和多样性之间取得很好的平衡。

Movie recommendation method based on prospect theory and multi-objective evolution

【技术实现步骤摘要】
基于前景理论与多目标进化的电影推荐方法
本专利技术属于多目标优化算法和推荐算法
运用改进的多目标优化算法(具体涉及前景选择和多相似用户变异)和改进的基于用户的协同过滤算法做电影推荐，希望来提高电影推荐的性能。
技术介绍
随着互联网的发展，人们每天可以收集到的信息越来越多，而要从大量的数据中快速找到自己感兴趣的信息，推荐系统就显得尤为重要。推荐系统主要是根据用户以前的信息，利用推荐算法预测用户可能感兴趣的信息，从而产生推荐。它避免了用户花费大量时间查询信息的代价，提高了信息查询的效率。传统的推荐算法大多侧重于追求推荐准确性，即通过预测用户对项目的评分，选择分值最大的前N个项目推荐给用户。然而，这些算法却忽视了非准确性评价指标。为了解决这个问题我们引入了多目标优化算法，多目标推荐算法可以很好的平衡准确性和多样性等指标，符合现代推荐系统的要求。一些多目标推荐算法相继被提出来。BingruiGeng等人利用改进的免疫算法来平衡多样性与新颖性。ZuoY采用NSGA-II对建模后的多目标优化问题进行个性化推荐。WangS提出了一个多目标推荐本文档来自技高网...

【技术保护点】
1.基于前景理论与多目标进化的电影推荐方法，其特征在于：该方法包括以下步骤：/nS1个体多目标的设定/nS1.1精度函数；用来评测用户对推荐列表中推荐项目的兴趣度；其值越高，表示推荐的越准确；其计算公式如下：/n

【技术特征摘要】
1.基于前景理论与多目标进化的电影推荐方法，其特征在于：该方法包括以下步骤：
S1个体多目标的设定
S1.1精度函数；用来评测用户对推荐列表中推荐项目的兴趣度；其值越高，表示推荐的越准确；其计算公式如下：



其中，S为推荐系统中的用户集合，L是用户的推荐列表集合；pui表示用户u对项目i的满意度；
满意度的计算包含三项，其一是用户u对项目i的理性预测分Prui，它是通过基于用户的协同过滤算法进行计算的；其二是有限理性因素，它通过前景理论来得出；
前景理论的价值函数表示为：



其中，Δxi为用户理性预测分Prui和预期期望Ei的差值；设定项目i的平均分为vi,则Ei＝m*vi,m是系数；
其三是用户u评分的偏置项pu，通过用户和项目的平均分的差值得出；考虑到用户可能比较喜欢打高分或低分，以此设计的偏置项；
最终用户u对项目i的有限理性预测分Pui表示为：
Pui＝(1-t)*Prui+t*v(Δxi)+pu；(3)
其中，t是系数；
S1.2多样性函数；用来评测给用户推荐的项目的不相似程度；其值越高，表示推荐的项目越多样；计算公式如下：






其中，r(u)是用户u的推荐列表，sim(i,j)是项目i和项目j的相似度；
S2个体编码、相关参数设定
个体的编码采用实数编码，一个个体由一个矩阵表示，列数表示为某个用户推荐的电影数，行数代表要推荐的用户数，矩阵中的每一项为电影的ID号；种群初始化为popsize＝50，交叉概率pc为0.8，变异概率pm为0.4，个体矩阵的每行中电影编号不重复；
S3种群初始化
对于种群的初始化，首先选择一个个体，利用协同过滤算法进行预测评分，然后通过top-n对其进行推荐；对于其他个体，采用随机选择没有看过的项目推荐给用户，由此完成初始化操作；
S4变异操作
先随机选择一个基因，然后找到与该用户相似的N个用户，计算相似用户集中不同基因出...

【专利技术属性】
技术研发人员：杨新武，陈晓丹，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11