[发明专利]一种多指标评价信息的数据挖掘方法

摘要

本发明公开了一种多指标评价信息的数据挖掘方法，包括：读取已有的交互数据；所述已有的交互数据包括显性的打分数据，所述显性的打分数据包括：一用户在与要打分的物品或服务相类似的已经打过分的其他物品或服务上的打分数据；其他用户之前在要打分的物品或服务上的打分数据；根据已有的交互数据，采用经过训练的关联模型预先计算一用户对某一物品或服务在某一指标上的打分值。本发明可以支持多指标打分的预测，并具有较高的预测准确度和分类准确度；收敛速度快，运行时间短，适合于在线实时推荐。

主权项

1.一种多指标评价信息的数据挖掘方法，包括：步骤1)、读取已有的交互数据；所述已有的交互数据包括显性的打分数据，所述显性的打分数据包括：一用户在与要打分的物品或服务相类似的已经打过分的其他物品或服务上的打分数据；其他用户之前在要打分的物品或服务上的打分数据；步骤2)、根据步骤1)得到的已有的交互数据，采用经过训练的关联模型预先计算一用户对某一物品或服务在某一指标上的打分值；其中，所述关联模型包括r^uic=μ+bu+bi+bc+|Rk(i;u,c)|-1/2Σj∈Rk(i;u,c)(rujc-bujc)wijc+]]>|Nk(i;u,c)|-1/2Σj∈Nk(i;u,c)dijc]]>所述为用户u对于物品或服务i在指标c上打分值的估计值，μ为全局打分平均值，b_u为用户评分偏置项，b_i为物品或服务偏置项，b_c为指标偏置项，ω_ijc为全局权重，d_ijc为隐性反馈因子；r_ujc是用户u对于物品或服务j在指标c上的实际打分值，b_ujc为用户u对于物品或服务j在指标c上的所有打分偏置，b_ujc＝μ+b_u+b_j+b_c；R^k(i；u，c)为用户u在指标c上打过分且与物品i相似度最高的k个物品或服务的集合，N^k(i；u，c)为用户u在指标c上有过隐性反馈行为且与物品或服务i相似度最高的k个物品或服务的集合。