[发明专利]一种基于用户兴趣自适应演化的动态推荐方法

权利要求书

1.一种基于用户兴趣自适应演化的动态推荐方法，其特征在于，包括：

获取所有用户对评论对象的若干个评论，并结合评论对象的类别和每个评论的问题标签，建立每个用户的用户兴趣模型；所述用户兴趣模型由用户对各个评论对象类别的用户兴趣向量组成；

对所有用户的用户兴趣模型中的用户兴趣向量，按照时序进行排序，并按排序后的顺序等分切分为K组，得到每个用户的组用户兴趣向量；K为正整数；

根据各用户的K组用户兴趣向量，计算目标用户与其他用户之间兴趣相似度，并根据计算结果筛选出若干个待推荐用户，组成待推荐用户集；

根据目标用户和所述待推荐用户集对所述评论对象在预设周期内的历史评论记录，构建历史兴趣序列矩阵His；所述历史兴趣序列矩阵His中的兴趣向量按照所述预设周期的时序进行排序；

根据所述历史兴趣序列矩阵His，计算归一化的兴趣得分矩阵将所述兴趣得分矩阵作为PSO算法的位置矩阵，并通过PSO算法进行预设次数的兴趣演化迭代，得到所述目标用户与所述待推荐用户集中各用户的推荐优先级排序；

根据所述推荐优先级排序，将所述待推荐用户集中的用户推荐给所述目标用户；

所述获取所有用户对评论对象的若干个评论，并结合评论对象的类别和每个评论的问题标签，建立每个用户的用户兴趣模型，具体为：

获取N个用户对评论对象的m个评论；N和m均为正整数；

对每个评论的问题标签进行词库匹配和相识度匹配，将每个评论进行类别归类，使得每个评论对应一个评论对象的类别；

按照时间顺序，统计所述m个评论中问题标签回答的频数最多的评论对象类别，分析并得到所述N个用户对应的用户兴趣向量；

根据所述N个用户对应的用户兴趣向量，构建每个用户的用户兴趣模型；

所述根据目标用户和所述待推荐用户集对所述评论对象在预设周期内的历史评论记录，构建历史兴趣序列矩阵His，具体为：

将所述目标用户和所述待推荐用户集中的待推荐用户组成一个统计用户集，并根据所述统计用户集的历史评论记录，按照预设周期，统计每天所述统计用户集中各用户对所述评论对象各类别的用户兴趣向量；

将频数最高的用户兴趣向量按照时序进行排列后，构建所述历史兴趣序列矩阵His；

所述根据所述历史兴趣序列矩阵His，计算归一化的兴趣得分矩阵具体为：

遍历所述历史兴趣序列矩阵His中各兴趣向量，从左到右依次统计各评论对象类别出现的个数；

根据兴趣向量出现的时序，为每个兴趣向量配置一个得分权重，并计算每个用户的各评论对象类别的得分，将所述历史兴趣序列矩阵His中每行用户的得分进行归一化后，得到所述兴趣得分矩阵

所述将所述兴趣得分矩阵作为PSO算法的位置矩阵，并通过PSO算法进行预设次数的兴趣演化迭代，具体为：

在所述兴趣得分矩阵中，选取一个评论对象类别作为目标评论对象类别，并将所述目标评论对象类别作为所述PSO算法的位置矩阵，将目标用户设置为X_taget；将目标用户所在位置定义为X_taget＝(x₁，x₂)＝(X_tagetx,X_tagety)；

则所述PSO算法的自身最优位置p_best由以下公式得出：

其中，p_best的位置为(p_best_ix，p_best_iy)，下标i为第i个用户；

通过PSO算法预设次数的兴趣演化迭代，并在每次迭代后更新所述目标用户和待推荐用户集中各用户的更新速度和当前位置；

每当用户的位置发生更新后，比较所述目标用户和所述待推荐用户集中的各用户的位置，将满足预设推荐条件的待推荐用户进行排序，得到所述推荐优先级排序。