[发明专利]一种提高推荐系统多样性的推荐列表重排名方法

权利要求书

1.一种提高推荐系统多样性的推荐列表重排名方法，其特征在于，包括如下步骤：

步骤一：输入用户-物品评分矩阵R，物品类型矩阵T，推荐列表长度N，通过推荐；采用推荐系统获得推荐列表，并预测未知评分R^*；

步骤二：利用标准排名方法以及预测得到的评分来获得每个用户的推荐列表的标准排名，该方法对应排序公式为：

rank_standard(i)＝R^*(u,i)^-1

其中，R^*(u,i)指根据预测评分由低到高的排名，那么添加上-1的幂则表示按照预测评分由高到低进行排名；

步骤三：计算用户的熵值λ(u)，包括物品流行度的熵值和物品类型的熵值，并通过将物品流行度的熵值和物品类型的熵值相加获得用户的熵值；在所述步骤三中，物品流行度的熵值的计算公式为：

其中，k表示用户的度数，H(k)表示度数为k的用户对应的物品流行度的熵值，而p_i表示特定度数的物品对应的概率；度数指在同一数据集中该物品被购买的总次数，n(k)则指不同的用户度数总的数量。

物品类型的熵值的计算公式为：

其中，H₂(u)指用户物品类型的熵值，u指单个的用户，n(type)指物品的类型总数，而p_i指用户u已评分的物品中该物品属于类型i的概率

步骤四：根据用户的熵值计算用户的推荐列表的排名阀值T_rank，使用该排名阀值对推荐列表进行重新排序，具体公式如下：

T_rank＝M*N*λ(u)

其中，rank_x(i)是非标准排名方法，rating则指某一个具体评分，T_H是指加入推荐列表物品对应的最低评分或是该用户所有已评分物品的平均评分，N是指top-N推荐列表的长度，M是本方法中需要进行调节的超参数。

2.根据权利要求1所述的一种提高推荐系统多样性的推荐列表重排名方法，其特征在于，物品流行度的熵值和物品类型的熵值的结果再相加前需要进行标准化，其标准化公式和用户的熵值的公式分别为：

λ₁(k)＝H₁(k)/log₂(n(k))

λ₂(k)＝H₂(u)/log₂(n(type))

λ(u)＝λ₁(u∈P(k))+λ₂(u)

其中，λ₁(k)为标准化后的物品流行度的熵值，λ₂(k)为标准化后的物品类型的熵值，P(k)指度数为k的用户人群。

3.根据权利要求1所述的一种提高推荐系统多样性的推荐列表重排名方法，其特征在于，所述非标准排名方法包括逆序评分排名和流行度逆向排名。

4.根据权利要求3所述的一种提高推荐系统多样性的推荐列表重排名方法，其特征在于，随机排名、平均评分升序排名和比例排名。