[发明专利]一种基于协同过滤的物品推荐方法、存储介质及服务器

权利要求书

1.一种基于协同过滤的物品推荐方法，其特征在于，包括步骤：

获取近邻用户特征向量和近邻物品特征向量，采用不同组合方式形成多种邻域信息；

将所述领域信息融合到与其相对应的协同过滤推荐模型中，根据融合模型预测得出用户偏好的物品列表并推荐给用户；

所述组合方式具体包括：

将近邻用户特征向量与物品特征向量的乘积作为邻域信息；

或将近邻物品特征向量与用户特征向量的乘积作为邻域信息；

或将近邻用户特征向量、物品特征向量之间的乘积与近邻物品特征向量、用户特征向量之间的乘积之和作为近邻信息；

所述协同过滤推荐模型包括用于求解用户隐式反馈数据建模问题的推荐模型和用于求解用户显式反馈数据建模问题的推荐模型。

2.根据权利要求1所述的基于协同过滤的物品推荐方法，其特征在于，当采用的协同过滤推荐模型为FISM模型时，则将近邻用户特征向量与物品特征向量的乘积作为邻域信息并融合到所述FISM模型中，得到的融合模型公式为：其中，为近邻用户特征向量与物品特征向量的乘积，N_u代表用户u的近邻用户集合，X_u'.代表近邻用户u'的特征向量，V_i.是物品i的特征向量，α是规范化参数，取值范围为[0,1]；b_u是表示用户u的偏差，b_i是表示物品i的偏差，W_j.是物品j的特征向量，I_u代表用户u的物品集合。

3.根据权利要求1所述的基于协同过滤的物品推荐方法，其特征在于，当采用的系统过滤推荐模型为FISM模型时，将近邻物品特征向量与用户特征向量的乘积作为邻域信息融合到所述FISM模型中，得到的融合模型公式为：其中，为近邻物品特征向量与用户特征向量的乘积，N_i代表物品i的近邻物品集合，Y_i'代表近邻物品i'的特征向量，U_u.是用户u的特征向量，α是规范化参数，取值范围为[0,1]；b_u是表示用户u的偏差，b_i是表示物品i的偏差，W_j.是物品j的特征向量，V_i.是物品i的特征向量，I_u代表用户u的物品集合。

4.根据权利要求1所述的基于协同过滤的物品推荐方法，其特征在于，当采用的系统过滤推荐模型为PMF模型时，则将近邻用户特征向量、物品特征向量之间的乘积与近邻物品特征向量、用户特征向量之间的乘积之和作为近邻信息融合到所述PMF模型中，得到的融合模型公式为：其中，为近邻用户特征向量、物品特征向量之间的乘积与近邻物品特征向量、用户特征向量之间的乘积之和，N_u代表用户u的近邻用户集合，N_i代表物品i的近邻物品集合，X_u'.代表近邻用户u'的特征向量，Y_i'.代表近邻物品i'的特征向量，V_i.是物品i的特征向量，而U_u.是用户u的特征向量，α是规范化参数，取值范围为[0,1]；μ代表全局平均分，b_u是代表用户u的偏差，b_i是代表物品i的偏差。