[发明专利]一种基于小波网络的丝绸产品个性化推荐方法

说明书

技术领域

本发明涉及智能信息处理领域，具体涉及一种基于小波网络的丝绸产品个性化推荐方法。

背景技术

目前国际上大多数丝绸企业是以大批量方式生产丝绸印花品，但最终的消费者却为小批量需求，这是由于传统的丝绸企业出于规模经济性的考虑无法满足消费者的个性化需求。随着数码印花技术的诞生，逐步解决了这类问题，数码印花不受花型限制、小批量的特点，消费者完全可以依据自己的个人喜好或设计想法，随意获得一系列独一无二的丝织品，实现“个性化”。

但是这类个性化的服务还是依赖于消费者的主动需求，为了使丝绸企业更好的保持现有客户，挖掘出潜在客户，需要企业设计出完整有效的个性化推荐系统以解决这类问题。现阶段个性化推荐方法很多，主要包括协同过滤算法，基于内容的推荐算法，以及兴起的基于用户——产品的二部图网络结构推荐算法等。协同过滤算法主要分为基于模型的协同过滤算法和基于记忆的协同过滤算法。其中基于模型的协同过滤算法是从所有用户对产品的评价数据库中学习一个预测模型，然后利用学到的模型向用户推荐；而基于记忆的协同过滤算法则是根据用户的历史信息，估算用户之间的相似性，然后找出目标用户的几个最近邻居，最后加权计算最近邻居对产品的评价，对目标用户做出推荐。基于内容的推荐是协同过滤技术的延续与发展，它不需要依据用户对项目的评价意见，而是依据用户已经选择的产品内容信息计算用户之间的相似性，进而进行相应的推荐，该方法可以克服协同过滤存在的一些问题，如：稀疏性问题等。基于二部图资源分配的推荐算法中，用户和商品的相似性通过资源扩散计算。虽然每种方法都有其特点，但随着用户数据量的不断增大，单纯从改进推荐方法的角度出发，已经很难大幅度提高推荐效率。还需要从数据预处理出发，对大量的用户数据进行压缩。离散小波变换(discrete wavelet transform,简称DWT)是一种重要的数据压缩方法，通过对原始数据集进行小波变换，保存部分重要的小波系数，能够近似地还原出原始数据集合。

针对目前丝绸企业存在的不能很好的保持现有客户、挖掘出潜在客户、不能很好的推行个性化服务等问题，提出一种基于小波网络的丝绸产品个性化推荐方法。通过该方法能够科学合理有效得分析和预测用户的需求，具有较好的推荐准确率和多样性。

发明内容

本发明要克服传统丝绸企业个性化推荐方法的不足，提出一种基于小波网络的丝绸产品个性化推荐方法。该方法引入小波网络用于用户行为数据流压缩，在用户相似度计算过程中充分考虑用户偏好和信任度，最终获得有效的推荐结果。该方法能够科学合理有效得分析和预测用户的需求，具有较好的推荐准确率和多样性。

本发明的目的是通过以下技术方案来实现的：一种基于小波网络的丝绸产品个性化推荐方法，包括以下步骤：

（1）用户行为特征提取：首先通过对用户兴趣进行分析，得到其状态转移序列，根据此序列采用Viterbi算法获得其隐含行为状态，然后建立隐半马尔可夫模型对用户兴趣特征进行提取。

（2）数据预处理：首先对用户行为数据流（包括用户浏览行为、描述评价，打分等）进行基于小波变换的压缩处理；采用Haar小波方法构建小波概要结构，一维Haar小波分解通过求均值等方法将向量A=(x₁,x₂,…,x_n)变换为n个小波系数(c₁,c₂,…,c_n)。

（3）量化用户评价：对压缩后的用户行为数据流进行量化表示，用户对某商品的评价通常包括描述评价和打分评价，其中打分评价数据可以直接用于后续推荐过程中公式的计算，而对于描述评价等，则需要经过加权量化，其数值化范围依照用户打分范围设定。

（4）用户相似度计算：假设有m个用户，n个商品，用户集U={u₁,u₂,…,u_m}，商品集O={o₁,o₂,…,o_n}。如果用户i接触过（浏览过、评价过或者选择过）商品j，那么就在i和j之间连接一条边a_ij=1，反之a_ij=0。对于任意两个用户，他们共同接触过的商品数目可以用c_ij来表示，其计算公式为：