[发明专利]一种商品推荐方法

权利要求书

1.一种商品推荐方法，用于为每个用户提供商品推荐序列，其特征在于，所述的方法包括：

步骤1、根据用户对商品的评分信息，建立第一用户-商品评分矩阵；

步骤2、利用两两商品之间的相似性填充所述的第一用户-商品评分矩阵，获得第二用户-商品评分矩阵；

步骤3、对所述的第二用户-商品评分矩阵进行分解，获得初始用户因子矩阵以及初始商品因子矩阵；

步骤4、对所述的初始用户因子矩阵以及初始商品因子矩阵进行N次迭代更新，获得更新后的用户因子矩阵以及更新后的商品因子矩阵，N为正整数；

其中，对所述的初始用户因子矩阵以及初始商品因子矩阵进行一次迭代更新，获得本次更新后的用户因子矩阵以及本次更新后的商品因子矩阵，包括：

步骤41、采用具有时间效应的缓存机制更新用户因子矩阵中所有用户的用户因子向量，获得本次更新后的用户因子矩阵，包括：

对于第u个用户的用户因子向量的第f个元素，采用式II进行更新，获得第u个用户的用户因子向量更新后的第f个元素p_uf：

其中，R_u为被第u个用户评价过的所有商品的集合，w_ui为第u个用户对第i个商品的评分数据的置信权重，w_ui0，r_ui为第u个用户对第i个商品的评分，T为时间衰减因子，T0，c_i为第i个商品的流行度权重，c_i0，为第u个用户对第i个商品的预测评分，q_if为第i个商品的商品因子向量的第f个元素，p_uk为第u个用户的用户因子向量的第k个元素，为第i个商品的商品因子向量中第k个元素与第f个元素之间的缓存值，为第i个商品的商品因子向量中第f个元素自身的缓存值，λ为时间衰减因子T的参数，λ0；

其中，在首次更新获得第u个用户的用户因子向量的第f个元素p_uf时，p_uk为初始用户因子矩阵中第u个用户的用户因子向量的第k个元素，q_if为初始商品因子矩阵中第i个商品的商品因子向量的第f个元素；

收集第u个用户的用户因子向量所有更新后的元素，获得更新后的第u个用户的用户因子向量；

收集所有用户更新后的用户因子向量，获得本次更新后的用户因子矩阵；

步骤42、采用具有时间效应的缓存机制更新商品因子矩阵的所有商品因子向量，获得本次更新后的商品因子矩阵，包括：

对于第i个商品的商品因子向量的第f个元素，采用式IV进行更新，获得第i个商品的商品因子向量更新后的第f个元素q_if：

其中，为第u个用户的用户因子向量中第k个元素与第f个元素之间的缓存值，为第u个用户的用户因子向量中第f个元素自身的缓存值，q_ik为第i个商品的商品因子向量第k个元素；

其中，在首次更新获得第1次更新后的商品因子矩阵中第i个商品的商品因子向量的第f个元素q_if时，q_ik为初始商品因子矩阵中第i个商品的商品因子向量的第k个元素；

收集第i个商品因子向量所有更新后的元素，获得更新后的第i个商品因子向量；

收集所有商品更新后的商品因子向量，获得本次更新后的商品因子矩阵；

步骤5、将所述更新后的用户因子矩阵中的每一个用户因子向量与所述更新后的商品因子矩阵中对应的商品因子向量进行内积后，从大到小进行排列，获得每个用户的商品推荐序列。

2.如权利要求1所述的商品推荐方法，其特征在于，所述的步骤1、根据用户对商品的评分信息，建立第一用户-商品评分矩阵，包括：

将评分信息转换成隐式反馈数据，获得所有用户对商品的隐式反馈数据，其中0表示用户对商品未评分，1表示用户对商品评分；

从所有隐式反馈数据中删除交互记录少于阈值的部分隐式反馈数据后，建立所述的第一用户-商品评分矩阵。

3.如权利要求2所述的商品推荐方法，其特征在于，所述的阈值为10。