一种基于预测值分析的新项目推荐方法技术

本发明专利技术一种基于预测值分析的新项目推荐方法，特点在于将用户划分为探索用户和惰性用户，包括以下步骤：通过分析用户U0评价项目的兴趣点信息，判断U0为探索用户或者惰性用户，获得用户新项目探索权重；根据项目‑属性信息，考虑项目具备属性的个数和共同具备某属性的项目的个数，获得基于项目属性信息的预测评分值；通过分析用户评价项目的兴趣点信息，结合预测评分值，得到最终的预测评分值，如果预测评分值超过设定阈值，则将该项目推荐给用户U0。本发明专利技术将用户划分为探索用户和惰性用户，提出基于预测值分析的新项目推荐方法，解决了基于物品的协同过滤在新项目推荐时难以找到合适潜在推荐用户的冷启动问题，提高了新项目的推荐效果。

【技术实现步骤摘要】
一种基于预测值分析的新项目推荐方法
本专利技术属于信息推送、商品推送、互联网多媒体领域，具体的说是涉及一种基于预测值分析的新项目推荐方法。
技术介绍
随着信息技术的发展，互联网大量服务的产生导致信息过载问题出现，用户难以从海量信息中准确获取自身需求。推荐系统成为重要的缓解方法之一，有效的推荐方案能够帮助用户快速地筛选出其感兴趣的服务。现实生活中存在着各种以群体形式展开的活动，传统的个性化推荐系统难以满足群体用户的需求，因此面向群组的推荐受到越来越多的关注。目前，大部分工作仅考虑静态的用户偏好，而没有考虑随时间变化的用户偏好，用户兴趣迁移会影响最终的推荐效果，使得用户对于推荐结果满意度下降。如何更准确地将新的项目与新的信息准确推送给潜在用户成了推荐领域的关键问题。新的信息因为缺乏用户评分，在首次推送过程中无法准确推送给潜在用户。ZL202010401624X公开了一种改进了协同过滤推荐算法的推荐系统，该系统首先收集用户的各类历史信息及当前点击操作作为输入模块输入到推荐算法中，然后推荐算法对数据信息进行分析计算生成推荐列表，最后将推本文档来自技高网...

【技术保护点】
1.一种基于预测值分析的新项目推荐方法，其特征在于：所述新项目推荐方法包括如下步骤：/nS1、通过分析用户U0评价项目的兴趣点信息，判断用户U0为探索用户或者惰性用户，获得用户新项目探索权重；/nS2、根据项目-属性、项目-标签信息，考虑项目具备属性、标签的个数和共同具备某属性或标签的项目的个数，获得基于项目-属性、项目-标签信息的预测评分值；/nS3、步骤S1获得的探索权重和步骤S2获得的预测评分值经过计算得到最终的预测评分值，如果预测评分值超过设定阈值，则将该项目推荐给用户U0。/n

【技术特征摘要】
1.一种基于预测值分析的新项目推荐方法，其特征在于：所述新项目推荐方法包括如下步骤：
S1、通过分析用户U0评价项目的兴趣点信息，判断用户U0为探索用户或者惰性用户，获得用户新项目探索权重；
S2、根据项目-属性、项目-标签信息，考虑项目具备属性、标签的个数和共同具备某属性或标签的项目的个数，获得基于项目-属性、项目-标签信息的预测评分值；
S3、步骤S1获得的探索权重和步骤S2获得的预测评分值经过计算得到最终的预测评分值，如果预测评分值超过设定阈值，则将该项目推荐给用户U0。


2.根据权利要求1所述一种基于预测值分析的新项目推荐方法，其特征在于：所述步骤S1中获得用户新项目探索权重具体包括如下步骤：
S11、定义sumnew表示用户U0评价新项目的次数，sumall表示用户U0评价项目的总次数，则用户U0的探索权重w0计算公式为：



S12、w0值越大，表示用户探索属性越高，说明U0更加偏爱新项目的推荐，对新发布的项目接受度更高，定义为探索用户；w0值偏小时，说明用户U0对熟悉的项目更偏爱，而对新项目的接受度较低，定义为惰性用户；
S13、当所推荐项目为新项目i时，根据探索权重判断用户U0对新项目的接受度高低，当w0值较大时，则将新项目i推荐给该用户U0，否则禁止推荐。


3.根据权利要求1所述一种基于预测值分析的新项目推荐方法，其特征在于：在所述步骤S2中，预测评分值的方法包括如下步骤：
S21、基于传统协同过滤算法，用x×n阶的项目-属性矩阵表示出项目属性信息，用{a1，a2，...，ax}表示x个属性的集合，用y×n阶的项目-标签标注矩阵表示出项目标签信息；
S22、定义用户U0为研究对象，定义UCj表示共同项目被浏览的次数，当UCj＝...

【专利技术属性】
技术研发人员：尹雨欣，杨琴亮，李逸辰，王海艳，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32