一种基于多目标优化的个性化推荐方法技术

本发明专利技术公开了多目标优化技术领域的一种基于多目标优化的个性化推荐方法，包括如下步骤：用户聚类、优化目标的设置、个体编码和遗传算子，将个性化推荐任务建模为一个多目标优化问题，提出了一个通用的基于多目标优化的个性化推荐模型，以解决推荐系统在准确度、多样性和新颖性三个指标之间的平衡，具体采用了先聚类再计算的模式可以在有效降低计算复杂度，同时分组也能保证结果的准确性，并提出的基于MOEA的推荐方法仅一次运行即可同时为多个用户提供多个推荐，有效性高，可以提出更多样化但更准确的建议。

【技术实现步骤摘要】
一种基于多目标优化的个性化推荐方法
本专利技术涉及多目标优化
，具体为一种基于多目标优化的个性化推荐方法。
技术介绍
随着互联网和信息技术的飞速发展，网络产品和互联网用户数量也在快速增长，这将人们从之前的信息匮乏时期带入了现在的“信息过载”和“信息爆炸”的时代。因此，有效地找到对我们有用的信息成为紧迫的问题。推荐系统(RSs)使用统计和知识发现技术自动提供推荐，被认为是减轻信息过载的最有前途的工具。通常，传统的推荐系统都是尽可能地提高推荐系统的推荐准确度，这已经无法满足用户的需求。其他的性能标准，例如：多样性，新颖性也应该被考虑，从而满足用户的多样化需求。已有的多推荐方法多是以提高推荐准确率为目标，但是不能保证较好的多样性和新颖性。例如，我们向用户推荐物品时如果考虑了推荐多样性，则势必会导致推荐准确度的下降，也就是说，多样性的提升会导致推荐准确度的下降。同理，如果我们向用户推荐较新颖的物品，则新颖度自然将会提升，但一定程度上将会以牺牲准确度和多样性为代价。因此，有必要研究同时考虑推荐准确度，多样性和新颖性的个性化推荐系统和技术，基本文档来自技高网...

【技术保护点】
1.一种基于多目标优化的个性化推荐方法，其特征在于，包括如下步骤：/nS1：用户聚类；/nS2：优化目标的设置；/nS3：个体编码；/nS4：遗传算子。/n

【技术特征摘要】
1.一种基于多目标优化的个性化推荐方法，其特征在于，包括如下步骤：
S1：用户聚类；
S2：优化目标的设置；
S3：个体编码；
S4：遗传算子。


2.根据权利要求1所述的一种基于多目标优化的个性化推荐方法，其特征在于：所述步骤S1的方法如下步骤：
输入：用户的个性化特征向量是L(l1,l2,...,lm)；
输出：聚类中心和用户的聚类结果；
一：计算所有用户的Li和Lj之间的距离坐标
二：按升序对用户之间的所有距离进行排序，找出2％dij并将其定义为dc；
三：计算每个用户Li的局部密度pi＝∑jx(dij-dc)，当(dij-dc)<0时，x(dij-dc)＝0，否则x(dij-dc)＝1；
四：计算所有密度大于局部密度i的用户的最小距离
五：如果用户Li已经具有最大的局部密度，则故用户Li是聚类中心；
六：计算所有用户到集群中心的距离，然后集群中心用户Li和距离最短的那些用户组成一个群组。


3.根据权利要求1所述的一种基于多目标优化的个性化推荐方法，其特征在于：所述步骤S2中优化目标包括度量推荐准确度的目标、衡量推荐多样性的目标和度量推荐系统向用户推荐未知物品的能力；
度量推荐准确度的目标它表示推荐系统的预测评分与用户真实评分的接近程度，对于聚类C中的所有用户对所有物品的预测评分可以定义为：



其中，|c|表示聚类C中的用户数，RL表示推荐的长度，su表示推荐给用户u的物品的集合；显然地，推荐列表su的大小等于RL，表示用户u对物品i的预测评分，定义如下：



其中Suv表示用户u和用户v之间的相似度，rvi为用户v对物品i的评分，S(u,K)为与用户u最相似的k个用户；
衡量推荐多样性的目标有几种多样性指标，例如用户间的多样性、用户内的多样性和覆盖范围，采用覆盖率作为衡量推荐多样性的指标，具体定义如下：



其中Ndif表示同一类别中用户推荐列表中不同物品的数量，N是系统中所有...

【专利技术属性】
技术研发人员：李慧，张舒，倪铖钢，张勇，杨玉，施珺，戴红伟，
申请(专利权)人：江苏海洋大学，江苏省海洋资源开发研究院连云港，
类型：发明
国别省市：江苏;32