一种基于(α，β)-核的二分图推荐方法技术

本发明专利技术公开了一种基于(α，β)‑核的二分图推荐方法，包括以下步骤：步骤一：将推荐系统建模成二分图；步骤二：计算所有顶点的α‑核或β‑核；步骤三：当给定α和β时，计算相应的(α，β)‑核，并完成推荐过程；步骤四：当二分图发生变化时，动态更新每个顶点的α‑核和β‑核，然后重新计算新的(α，β)‑核，并完成推荐过程。本发明专利技术所公开的方法将二分图上的挖掘算法和推荐系统结合起来，有效地解决了用户推荐的问题，并且效率提高。

【技术实现步骤摘要】
一种基于(α，β)-核的二分图推荐方法
本专利技术涉及一种推荐方法，特别涉及一种基于(α，β)-核的二分图推荐方法。
技术介绍
推荐系统已经成为电子商务应用程序和社交媒体网站(如亚马逊、Yelp和TripAdvisor)的重要组成部分。在基于评分的推荐系统中，用户通过给项目打分来给项目评分。具体来说，给定用户u，个体推荐的目标是估计u未观察到的项目的分数，然后向u推荐预测得分最高的项目。当前推荐系统算法通常基于邻居的推荐算法和最广泛使用的方法是协同过滤(CF)，它预测未知的分数评级的基础上最相似的用户。此外,有算法推荐和使用奇异值分解深度学习。然而，这些方法都只是使用数学方法来分析数据，都没有挖掘用户与项目之间的数据关系。例如，在同一个绘画俱乐部的人群更倾向于购买颜料和画笔，而在一个足球俱乐部的人群更喜欢购买运动服和运动鞋。由此可见，推荐系统可以映射到二分图上的子图挖掘问题，因为密集子图中的用户往往具有相似的爱好或购物习惯。图挖掘问题在近几十年来发展迅速，并且已经出现了很多有效的算法，但大多数都局限于一般的图。现有的技术的推荐系统的技术本文档来自技高网...

【技术保护点】
1.一种基于(α，β)-核的二分图推荐方法，其特征在于，包括以下步骤：/n步骤一：将推荐系统建模成二分图；/n步骤二：计算所有顶点的α-核或β-核；/n步骤三：当给定α和β时，计算相应的(α，β)-核，并完成推荐过程；/n步骤四：当二分图发生变化时，动态更新每个顶点的α-核和β-核，然后重新计算新的(α，β)-核，并完成推荐过程。/n

【技术特征摘要】
1.一种基于(α，β)-核的二分图推荐方法，其特征在于，包括以下步骤：
步骤一：将推荐系统建模成二分图；
步骤二：计算所有顶点的α-核或β-核；
步骤三：当给定α和β时，计算相应的(α，β)-核，并完成推荐过程；
步骤四：当二分图发生变化时，动态更新每个顶点的α-核和β-核，然后重新计算新的(α，β)-核，并完成推荐过程。


2.根据权利要求1所述的一种基于(α，β)-核的二分图推荐方法，其特征在于，步骤一中，二分图中的顶点被分成两个不相交的集合U和V，分别表示用户集和项目集；当用户选择了一个项目就在它们之间连一条边。


3.根据权利要求1所述的一种基于(α，β)-核的二分图推荐方法，其特征在于，步骤二中，当给定一个二分图G＝(U，V，E)时，U、V、E分别表示用户集、项目集、边集，需要计算所有的α对应的核值以及所有β对应的核值，对于某一特定的α，其核值的计算方法具体如下：
(1)遍历用户集U中所有的顶点，如果存在有顶点u的度数小于α，则删除顶点u及其相连的边，并且把这些顶点的核值设置为0；
(2)计算项目集V中所有顶点的最小度数，用βmin表示；
(3)遍历项目集V中的所有顶点，如果存在顶点v的度数不大于βmin，则删除顶点v及其相连的边，然后将它们的核值设置成βmin；
(4)继续执行(1)直到所有顶点的核值都计算完成。


4.根据权利要求1所述的一种基于(α，β)-核的二分图推荐方法，其特征在于，步骤三中，当给定α和β时，只需比较所有用户节点和项目节点的α-核和β的大小，就可以计算出一个(α，β)-核；具体来说，根据α-核的定义，所有α-核不低于β的顶点组成的子图就是最终的(α，β)-核；如果用户u和项目v在同一个(α，β)-核内，那说明用户u有很大的概率会选择该项目v，因此推荐系统就将项目v推荐给该用户。


5.根据权利要求1所述的一种基于(α，β)-核的二分图推荐方法，其特征在于，步骤四中，二分图的变化包括一条边的插入或删除，以及多条边的插入和删...

【专利技术属性】
技术研发人员：于东晓，李峰，张立芳，罗琦，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37