[发明专利]一种基于成对关联规则的推荐系统和方法

说明书

本发明公开了一种基于成对关联规则的推荐系统和方法，系统主要包括交互界面和推荐模型，所述推荐模型为基于成对关联规则的推荐模型。本发明系统和方法独立于个人用户简档，并且不需要用户偏好的广泛历史或多个项目描述符，使用来自给定人群的受访者执行的交易来构建偏好的集体模型。

技术领域

本发明涉及推荐方法技术领域，具体涉及一种基于成对关联规则的推荐系统和方法。

背景技术

推荐系统旨在识别消费者的偏好，并准确地建议相关项目。协作式和基于内容的过滤推荐系统严重依赖于广泛的用户或项目配置信息，稀疏的数据集和精简的用户配置文件通常会导致低质量的推荐，或者根本无法生成推荐，称为冷启动问题。冷启动问题的解决方案包括将协作过滤和基于内容过滤相结合的混合方法，以及旨在根据人口统计数据或社会关系知识预测用户偏好的方法。

在许多应用程序上下文中，用户可以匿名交互。或者与系统的个人交互必须很少的应用程序中，没有可以利用的特性和评级，并且不可能构建个人行为和偏好模型。

发明内容

针对现有技术的不足，本发明旨在提供一种基于成对关联规则的推荐系统和方法，可以独立于任何个人用户模型且不需要复杂评分系统。

为了实现上述目的，本发明采用如下技术方案：

一种基于成对关联规则的推荐系统，包括：

交互界面：用于供用户输入一组食物IF，并用于显示推荐模型返回的一组推荐食物；所述一组食物可以是用户前一天的摄入的食物。

推荐模型：所述推荐模型为基于成对关联规则(PAR)的推荐模型，用于接收用户输入的一组食物IF，并根据IF返回一组推荐食物RF；

所述推荐模型的训练过程为：采用从不同年龄层收集的一组膳食样本作为训练数据，每个膳食样本中至少包含两种食物；训练时对每种食物f计算包含该食物的膳食样本的数量OD[f]；对所有膳食样本中出现的所有食物进行组对，对于每个食物对{f，f1}，f≠f1，计算同时含有食物对的膳食样本的数量CD[f，f1]，由此得到成对关联规则的推荐模型；

所述推荐模型的推荐过程为：对于IF中的每种食物inf，推荐模型检索食物inf对应的OD[inf]以及所有含有食物inf的食物对所对应的CD[inf,f]，f≠inf且然后对检索到的每对食物对{inf，f}，推荐模型计算f在餐中的条件概率P，P＝CD[inf,f]/OD[inf]；对IF中的每种食物inf都进行检索和条件概率计算之后，同一种食物f的条件概率进行加总得到该种食物f的推荐得分P[f]；将推荐得分进行降序排列并按照设定的数量选取推荐得分最高的若干的食物组成RF输出至交互界面中进行显示。

进一步地，所述一组膳食样本中包含20000个膳食样本。

本发明还提供一种利用上述系统的方法，包括如下步骤：

S1、用户在交互界面中输入一组食物IF；

S2、推荐模型根据用户输入的一组食物IF，对于IF中的每种食物inf，推荐模型检索食物inf对应的OD[inf]以及所有含有食物inf的食物对所对应的CD[inf,f]，f≠inf且然后对检索到的每对食物对{inf，f}，推荐模型计算f在餐中的条件概率P，P＝CD[inf,f]/OD[inf]；对IF中的每种食物inf都进行检索和条件概率计算之后，同一种食物f的条件概率进行加总得到该种食物f的推荐得分P[f]。可以将推荐得分进行降序排列并按照设定的数量选取推荐得分最高的若干的食物组成RF输出至交互界面中进行显示，或可将所有的食物f及其推荐得分P[f]直接推送至交互界面中显示，还可以在交互界面上显示各种食物f与输入的食物inf的关联性。

本发明的有益效果在于：