基于时序漂移的潜在因子模型对项目的推荐方法技术

基于时序漂移的潜在因子模型对项目的推荐方法，通过采集所需要推荐项目的历史信息，构建时序漂移矩阵分解模型以及时序漂移联合目标函数后，对联合目标函数进行求解后得到基于时序漂移矩阵分解模型，输入的用户信息后可进行项目推荐。本发明专利技术考虑并结合了用户的时序动态偏好演变以及用户过去行为对当前行为的影响关系进行建模，通过构建辅助矩阵捕捉用户两个时期之间演变关系，引入时间影响因子平衡当前和过去行为的影响，并在三个实验数据集中和基线方法对比测试均取得较好的仿真推荐效果，以说明本发明专利技术具有更优越的有效性。以说明本发明专利技术具有更优越的有效性。以说明本发明专利技术具有更优越的有效性。

【技术实现步骤摘要】
基于时序漂移的潜在因子模型对项目的推荐方法


[0001]本专利技术属于多媒体信息处理
，具体涉及基于时序漂移的潜在因子模型对项目的推荐方法。

技术介绍

[0002]随着大数据时代的发展，推荐系统在生活中起着至关重要的作用，在推荐系统中，具有相似活动信息的用户往往会得到推荐，其中包括显示信息(例如评级或标记行为等)和隐式信息(时序行为特征等)，往往隐式信息最为关键，因为隐式信息量更大并且更能反映出用户详实的行为关系。在实际环境中，随着时间的推移，用户偏好也发生隐式演变。为了解决这个问题，Vaca等人在2014年发表于《International Conference on World Wide Web.》的《A Time
‑
based Collective Factorization for Topic Discovery and Monitoring in News》中提出了集体矩阵分解来给在线主题发现问题建模，使用了一种自适应的非负矩阵分解(NMF)方法，该方法通过映射矩阵来捕获两个时间段之间的兴趣转换来共同获得主题演本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于时序漂移的潜在因子模型对项目的推荐方法，其特征在于，所述方法包括：步骤1，采集所需要推荐项目的历史信息；步骤2，基于采集的历史信息构建时序漂移矩阵分解模型；步骤3，基于时序漂移矩阵分解模型构建时序漂移联合目标函数；步骤4，对步骤3构建的联合目标函数进行求解后得到基于时序漂移矩阵分解模型，输入的用户信息后可进行项目推荐。2.根据权利要求1所述的基于时序漂移的潜在因子模型对项目的推荐方法，其特征在于，在所述步骤1中，历史信息包括项目的用户信息与项目评级信息；用户信息包括用户行为的时间信息；用户行为的时间信息包括用户在亚马逊网站上浏览这些项目的时长、收藏时间、加入购物车时间以及结账时间；评级范围是1
‑
5分的整数，并对数据集中用户评级数量小于等于1的数据进行筛除。3.根据权利要求2所述的基于时序漂移的潜在因子模型对项目的推荐方法，其特征在于，在所述步骤2中，所述时序漂移矩阵分解模型将每个用户u
i
的t时刻用户潜在因子矩阵与t
‑
T时刻的用户潜在因子矩阵相联系，在t和t
‑
T时刻之间定义一个辅助转移矩阵表示当前用户潜在因子矩阵可用t
‑
T时刻的用户潜在因子矩阵通过辅助转移矩阵转移后表示；当前用户潜在因子矩阵包含t时刻每个项目的用户信息；项目潜在因子矩阵包含t时刻每个项目的项目评级信息。4.根据权利要求1或3所述的基于时序漂移的潜在因子模型对项目的推荐方法，其特征在于，所构建的时序漂移矩阵分解模型满足以下关系式：其中，表示n维实数空间，表示当前时间t的评分矩阵,表示评分矩阵R
(t)
由i
×
j维的实数组成；表示t时刻目标矩阵R
(t)
的用户潜在因子矩阵，表示潜在用户潜在因子矩阵由i
×
l维的实数组成；表示t
‑
T时刻目标矩阵R
(t)
的用户潜在因子矩阵；表示t时刻目标矩阵R
(t)
的项目潜在因子矩阵，表示项目潜在因子矩阵由l
×
...

【专利技术属性】
技术研发人员：胡广伟，丁浩，
申请(专利权)人：南京大学，
类型：发明
国别省市：