[发明专利]一种基于权重的条件游走图推荐方法

说明书

本发明公开了一种基于权重的条件游走图推荐方法，包括利用用户‑物品评分矩阵，物品‑物品相似度矩阵结合标签，构造用户‑标签‑物品带有权重的有向图，并在图上条件游走，对每个用户生成不同的转移概率矩阵，迭代收敛之后生成推荐列表。与常用的协同过滤推荐方法相比，本发明略微提升了推荐的准确性，显著的提升了推荐的多样性和覆盖率，解决了协同过滤推荐方法中存在的多样性不足和物品冷启动的问题。

技术领域

本发明属于信息推荐的技术领域，具体涉及一种基于权重的条件游走图推荐方法。

背景技术

随着互联网和信息技术行业的发展，人们每天都会在互联网上进行各种各样的活动，如：看电影，购物，阅读新闻等。随着互联网上信息越来越多，人们越来越难以从海量的信息中找出最适合自己的商品及服务，人们从信息匮乏时代进入了信息过载时代。

个性化推荐系统的出现解决了信息过载的问题。其中基于协同过滤的基于权重的条件游走图推荐方法是目前使用最为广泛的基于权重的条件游走图推荐方法，其过滤原理是根据用户以往的行为数据来预测用户将来的行为。这种基于权重的条件游走图推荐方法的主要不足有两方面，一是片面的考虑推荐的准确性，陷入“信息茧房”，例如某个用户在电影网站只看过喜剧片，那么使用协同过滤推荐给用户的将全是喜剧片，推荐结果缺乏多样性。二是存在物品冷启动的问题，对于新加入的物品，由于不存在以往的行为数据，使用协同过滤推荐，新加入的物品将不会出现在用户的推荐列表中。

据此，如何在不降低推荐的准确性前提下，提高基于权重的条件游走图推荐方法结果的多样性，并且解决新加入物品的冷启动问题。

发明内容

本发明的目的在于针对现有技术中的上述不足，提供一种基于权重的条件游走图推荐方法，以解决如何在不降低推荐的准确性前提下，提高基于权重的条件游走图推荐方法结果的多样性，并且解决新加入物品的冷启动的问题。

为达到上述目的，本发明采取的技术方案是：

一种基于权重的条件游走图推荐方法，其包括：

S1、根据用户对商品的评分信息，构建用户-物品行为矩阵；

S2、根据用户-物品行为矩阵，计算用户与用户之间的相似度，得到用户-用户相似度矩阵；

S3、计算用户i对物品j的打分；

S4、构建用户-物品打分矩阵；

S5、基于余弦相似度公式计算物品与物品之间的相似度，并构造物品-物品相似度矩阵；

S6、加入标签，构造用户-标签-物品之间带有权重的有向图；

S7、从用户节点开始在有向图中进行条件游走，用户直接游走到物品节点的概率为α，其中0＜α1，游走到标签节点的概率为1-α；

S8、若用户游走到标签节点后，只能继续游走到物品节点；

S9、若用户游走到物品节点后，有β，0＜β1，的概率根据物品相似度权重游走到另一个物品节点，有1-β的概率重新回到用户节点；

S10、根据步骤S7-S9，构建一个有关节点之间的转移概率矩阵P；

S11、给定所有节点的概率相同的一个初始条件，即给定t₀初始向量，将该初始向量点乘转移概率矩阵P，所得结果再点乘转移概率矩阵P，迭代若干次后t向量收敛；

S12、去除t向量中的用户和标签节点，对剩余的物品节点排序，得到用户的推荐列表。

优选地，步骤S1中用户-物品行为矩阵中，用户对某物品有购买行为对应矩阵项记录为1否则记为0。

优选地，步骤S2中采用余弦相似度公式计算用户之间的相似度：