【技术实现步骤摘要】
本专利技术属于推荐系统，尤其是涉及一种基于主动学习的商品推荐方法和介质。
技术介绍
1、推荐系统(recommender systems)可以用于帮助用户从海量的项目中寻找对用户有利用价值或用户感兴趣的部分，目前已在信息化社会中得当广泛应用。为了产生可靠推荐，推荐系统通常需要大量用户交互数据，当相关数据较少时，推荐的准确性受到制约，因此，当一名新用户进入推荐系统时，由于系统对于用户的了解情况较少，基于协同过滤(collaborative filtering)的推荐算法难以生成可靠的推荐，即会产生用户冷启动问题(user cold-start problem)，使得推荐系统在初始阶段难以有效运转。
2、主动学习(active learning)作为在机器学习中，面对数据集中数据量不足或数据种类不全面时的常用方法，也被视为解决用户冷启动问题的主流方法。相比于基于内容的推荐，主动学习不需要任何用户的统计信息，能在充分保护用户隐私的条件下解决用户冷启动问题。现有的主动学习方法，要求用户提供固定数目的评分结果，并依此作为后续产生推荐的...
【技术保护点】
1.一种基于主动学习的商品推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于主动学习的商品推荐方法，其特征在于，以预估方差为指标选取所述待评分项目，所述预估方差包括熵、最大评分和最小评分指标。
3.根据权利要求2所述的一种基于主动学习的商品推荐方法，其特征在于，所述预估方差的计算公式具体如下：
4.根据权利要求1所述的一种基于主动学习的商品推荐方法，其特征在于，所述量化推荐相关性的计算公式具体如下：
5.根据权利要求1所述的一种基于主动学习的商品推荐方法，其特征在于，基于所述量化推荐相关性判断推荐系统...
【技术特征摘要】
1.一种基于主动学习的商品推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于主动学习的商品推荐方法，其特征在于，以预估方差为指标选取所述待评分项目，所述预估方差包括熵、最大评分和最小评分指标。
3.根据权利要求2所述的一种基于主动学习的商品推荐方法，其特征在于，所述预估方差的计算公式具体如下：
4.根据权利要求1所述的一种基于主动学习的商品推荐方法，其特征在于，所述量化推荐相关性的计算公式具体如下：
5.根据权利要求1所述的一种基于主动学习的商品推荐方法，其特征在于，基于所述量化推荐相关性判断推荐系统新用户是否需要退出主动学习的具体过程如下：
6.根据权利要求5所述的一种基于主动学...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。