[发明专利]一种基于预测值分析的新项目推荐方法

权利要求书

1.一种基于预测值分析的新项目推荐方法，其特征在于：所述新项目推荐方法包括如下步骤：

S1、通过分析用户U0评价项目的兴趣点信息，判断用户U0为探索用户或者惰性用户，获得用户新项目探索权重；

S2、根据项目-属性、项目-标签信息，考虑项目具备属性、标签的个数和共同具备某属性或标签的项目的个数，获得基于项目-属性、项目-标签信息的预测评分值；

S3、根据步骤S1获得的探索权重和步骤S2获得的预测评分值经过计算得到最终的预测评分值，如果预测评分值超过设定阈值，则将该项目推荐给用户U0；其中：

所述步骤S1中获得用户新项目探索权重具体包括如下步骤：

S11、定义sumnew表示用户U0评价新项目的次数，sumall表示用户U0评价项目的总次数，则用户U0的探索权重w₀计算公式为：

S12、w₀值越大，表示用户探索属性越高，说明U0更加偏爱新项目的推荐，对新发布的项目接受度更高，定义为探索用户；w₀值偏小时，说明用户U0对熟悉的项目更偏爱，而对新项目的接受度较低，定义为惰性用户；

S13、当所推荐项目为新项目i时，根据探索权重判断用户U0对新项目的接受度高低，当w₀值较大时，则将新项目i推荐给该用户U0，否则禁止推荐；

在所述步骤S2中，预测评分值的方法包括如下步骤：

S21、基于传统协同过滤算法，用x×n阶的项目-属性矩阵表示出项目属性信息，用{a₁，a₂，...，a_x}表示x个属性的集合，用y×n阶的项目-标签标注矩阵表示出项目标签信息；

S22、定义用户U0为研究对象，定义UC_j表示共同项目被浏览的次数，当UC_j＝0时表示该项目从未被浏览过，定义为新项目；

S23、用{b₁，b₂，...，b_y}表示y个标签的集合，其中用{i₁，i₂，...，i_n}表示n个项目的集合，h_ij表示项目是否具备该属性，1表示具有该属性，0表示不具有；t_ij表示项目被标签标注的次数；

S24、定义r_ij为用户Uj是否对项目i浏览过，1表示浏览过，0表示没有浏览过，AC_j表示项目j具有的属性个数，IAC_j表示共同具有属性a的个数；

S25、根据项目-属性矩阵计算得到用户U0对该属性的项目的预测评分值：

S26、根据项目-标签标注矩阵计算得到用户U0对具有该标签信息的项目的预测评分值：

其中：TC_j为项目j具有的项目-标签的个数，ITC_j表示共同具有的标签b的个数，r_ij代表用户是否对项目i浏览过，b_ij代表项目i具有的标签；所述步骤S3的最终的预测评分值和推荐包括如下步骤：

S31、为了同时考虑用户浏览信息、项目属性信息、项目标签信息以及用户U0对新项目的偏好程度，定义权重α，β，进行线性组合，α+β＝1，其中a≠0，β≠0，根据项目是否被浏览过区分项目为新项目或老项目，分别根据不同的情况进行预测评分值的定义；

S32、结合用户U0、标签与项目属性的个性化算法，在UC_j＝1即该项目已被浏览过的情况下，基于个性化算法的预测评分值计算得到Pre_nj＝α×f_a(u)+β×f_j(u)，其中，f_a(u)代表用户U0对该属性的项目预测评分值，f_j(u)代表用户U0对具有该标签信息的项目预测评分值；

S33、鉴于项目本身的属性信息并不会随项目的时间而改变，即属性为固有信息，结合用户U0对新项目的探索权重和项目-属性信息，在UC_j＝0的情况下，即该项目尚未被任何用户浏览，基于个性化算法的预测评分值计算得到Pre_nj＝w₀+f_a(u)；

S34、预测评分值越高时，代表用户U0对新项目i的接受度越高，进行推荐；预测评分值过低时，代表用户U0更偏好浏览过的项目，而对新项目i的偏好程度偏低，则不进行推荐。