[发明专利]基于主成分分析的用户房间兴趣度计算方法及系统

摘要

本发明公开了一种基于主成分分析的用户房间兴趣度计算方法及系统，该方法包括：S1、构建兴趣度计算指标体系；S2、构建初始化矩阵X，进行标准化处理，得到标准化矩阵Z；计算标准化矩阵Z的相关系数矩阵R，并计算对应的特征值λ；将特征值λ由大到小排列，每个特征值对应一个主成分；S3、计算每个主成分的方差贡献率以及累计方差贡献率；S4、选择b个主成分，将主成分的特征向量和标准化后的数据相乘，得到主成分的线性表达式；S5、归一化n个主要评估指标的综合权重，得到每个主要评估指标的权重值，加权计算，得到每个用户对不同房间的兴趣度得分。本发明有助于准确判断用户的喜好，有助于向用户准确推荐可能感兴趣的房间，增加用户体验。

主权项

一种基于主成分分析的用户房间兴趣度计算方法，其特征在于，包括以下步骤：S1、根据用户对房间的行为信息，提取多个行为指标，并对所述行为指标进行分析，对相关系数绝对值大于相关阈值的行为指标进行相互替代，筛选出n个具有代表性的行为指标作为主要评估指标，n为≥3的正整数，构建兴趣度计算指标体系；S2、获取一定时间段内多个用户所产生的房间行为信息，构建初始化矩阵X，对初始化矩阵X进行标准化处理，得到标准化矩阵Z；计算标准化矩阵Z的相关系数矩阵R，并计算相关系数矩阵R对应的特征值λ；将特征值λ由大到小排列，得到λ₁、λ₂、……、λ_n，对应的特征向量为e₁、e₂、……、e_n，特征向量e满足|e|＝1，每个特征值对应一个主成分，每个特征向量包含n个元素；S3、计算每个主成分的方差贡献率v，v_a＝λ_a/(λ₁+λ₂+……+λ_n)，a为正整数，1≤a≤n，v_a表示第a个主成分的方差贡献率，λ_a表示第a个主成分对应的特征值；计算主成分的累计方差贡献率，第a个主成分的累计方差贡献率＝第1个主成分的方差贡献率至第(a‑1)个主成分的方差贡献率之和；S4、按照特征值大于1，累计方差贡献率大于指定阈值的原则，提取满足条件的特征值个数，作为最终选择的主成分个数；如果满足条件的特征值个数为b，选择b个主成分，λ₁，λ₂，……，λ_b为b个主成分分别对应的特征值，其分别对应的特征向量e₁，e₂，……，e_b为b个主成分的特征向量，特征向量和标准化后的数据相乘，得到主成分的线性表达式；S5、以主成分的方差贡献率为权重，对主要评估指标在各个主成分线性表达式中的系数进行加权平均，计算每个主要评估指标的综合权重；将所有n个主要评估指标的综合权重进行归一化，得到每个主要评估指标的权重值w′，w′_j＝第j个主要评估指标的综合权重/所有主要评估指标的综合权重之和，根据获得的权重值，进行加权计算，得到每个用户对不同房间的兴趣度得分。