專利名稱：一種基于正規(guī)化矩陣因式分解的增量協(xié)同過濾推薦方法
技術領域：
本發(fā)明涉及到一種基于正規(guī)化矩陣因式分解的增量協(xié)同過濾推薦方法，特別是一 種基于正規(guī)化矩陣因式分解的增量協(xié)同過濾個性化推薦方法，用于快速增量更新個性化推 薦模型，屬于數據挖掘技術領域。
背景技術：
在互聯(lián)網技術普及化程度逐步加深的同時，如何從海量的互聯(lián)網資源中提取用戶 所需信息成為人們關注的問題。傳統(tǒng)的搜索算法只能呈現(xiàn)給所有的用戶一樣的排序結果， 無法針對不同用戶的興趣愛好提供相應的服務。個性化推薦，被認為是當前解決這一問題 最有效的工具之一。個性化推薦技術能夠根據不同的用戶需求，為用戶提供個性化的信息 服務，從而解決互聯(lián)網用戶面臨的信息超載問題，具有良好的發(fā)展和應用前景?，F(xiàn)有的協(xié)同過濾推薦模型已經能夠提供較為精確的推薦，但絕大多數協(xié)同過濾推 薦模型都是批量推薦模型，需要基于靜態(tài)的訓練數據集構造，并暗含用戶集合與項目集合 保持不變的前提。而在電子商務實際應用中，用戶反饋數據時時刻刻都在不停更新，同時也 不斷會有新用戶和新項目加入。使用批量推薦模型來處理動態(tài)數據更新的唯一方式，是當 更新數據累積超過預定閾值時，重新訓練整個推薦模型；但是這種方式將會導致大量的重 復工作，同時也不能對新增的用戶反饋數據做出實時反饋。

發(fā)明內容
本發(fā)明解決的技術問題克服現(xiàn)有技術的不足，提供一種基于正規(guī)化矩陣因式分 解的增量協(xié)同過濾個性化推薦方法。該方法以正規(guī)化矩陣因式分解模型為基礎，在不重建 整個推薦模型的前提下，根據新增的用戶反饋信息進行正確的增量實時更新，能夠對新增 的用戶反饋數據做出實時反饋。本發(fā)明的技術解決方案基于正規(guī)化矩陣因式分解的增量協(xié)同過濾個性化推薦方 法，其特點在于能夠以增量更新的方式，正確反映新增用戶反饋信息對推薦結果的影響， 整個方法涉及到三個過程基于正規(guī)化矩陣因式分解模型的輸入順序無關性改進，隱特征 向量的增量更新，整合現(xiàn)行偏差的增量更新。(1)基于正規(guī)化矩陣因式分解模型的輸入順序無關性改進在基于正規(guī)化矩陣因 式分解的隱向量模型中對隱特征向量的訓練過程進行分析，并以簡化隱特征向量訓練規(guī)則 為目的，提出與訓練實例輸入順序無關的、基于正規(guī)化矩陣因式分解的隱向量模型；(2)隱特征向量的增量更新以輸入順序無關性模型為基礎，對隱特征向量在每 輪訓練中的增量數學表達式進行分析，提出了隱特征向量的增量更新規(guī)則；(3)整合線性偏差的增量更新整合了能夠增量更新的統(tǒng)計觀測偏差，從而提出 一種基于正規(guī)化矩陣因式分解的增量協(xié)同過濾推薦模型。所述步驟(1)中的基于正規(guī)化矩陣因式分解模型的輸入順序無關性改進的方法 如下
①分析基于正規(guī)化矩陣因式分解的協(xié)同過濾推薦模型在一輪訓練結束后，隱特征 向量Pu、Qi的狀態(tài)值，表示為
權利要求
1.一種基于正規(guī)化矩陣因式分解的增量協(xié)同過濾推薦方法，其特征在于能夠以增量 更新的方式，正確反映新增用戶反饋信息對推薦結果的影響，步驟如下(1)基于正規(guī)化矩陣因式分解模型的輸入順序無關性改進在基于正規(guī)化矩陣因式分 解的隱向量模型中對隱特征向量的訓練過程進行分析，并以簡化隱特征向量訓練規(guī)則為目 的，提出與訓練實例輸入順序無關的、基于正規(guī)化矩陣因式分解的隱向量模型；(2)隱特征向量的增量更新以輸入順序無關性模型為基礎，對隱特征向量在每輪訓 練中的增量數學表達式進行分析，提出隱特征向量的增量更新規(guī)則；(3)整合線性偏差的增量更新整合能夠增量更新的統(tǒng)計觀測偏差。
2.根據權利要求1所述的基于正規(guī)化矩陣因式分解的增量協(xié)同過濾個性化推薦方法， 其特征在于所述步驟(1)中的基于正規(guī)化矩陣因式分解模型的輸入順序無關性改進，具 體如下①分析基于正規(guī)化矩陣因式分解的協(xié)同過濾推薦模型在一輪訓練結束后，隱特征向量 Pu、Qi的狀態(tài)值，表示為
3.根據權利要求1所述的基于正規(guī)化矩陣因式分解的增量協(xié)同過濾個性化推薦方法， 其特征在于所述步驟O)中的隱特征向量的增量更新，具體如下①分析基于正規(guī)化矩陣因式分解的輸入順序無關性模型在每輪訓練結束后，隱特征向 量Pu、Qi的狀態(tài)值，表示為K-Pu cIk Mk(1) k=lpiK)=cKp^aKhi (ru,(2) (1) k=l\l/ r眾//U(Τ^Λ ( g\l/\—NΓ眾//U(^Λ (I ) /W OP(D- 1) (D- 1) (D-](0 (0“\l/ΛΙ/\l///O (·/ (Pfh
4.根據權利要求1所述的基于正規(guī)化矩陣因式分解的增量協(xié)同過濾個性化推薦方法， 其特征在于所述步驟(3)中的整合現(xiàn)行偏差的增量更新，具體如下①μ的增量更新公式，表示如下
全文摘要
基于正規(guī)化矩陣因式分解的增量協(xié)同過濾推薦方法基于規(guī)范化正規(guī)化矩陣因式分解模型的輸入順序無關性改進基于正規(guī)化矩陣因式分解的隱向量模型中，提出與訓練實例輸入順序無關的模型；隱特征向量的增量更新對隱特征向量在每輪訓練中的增量數學表達式進行分析，提出了隱特征向量的增量更新規(guī)則；整合線性偏差的增量更新整合了能夠增量更新的統(tǒng)計觀測偏差。本發(fā)明能夠以增量更新的方式，反映新增用戶反饋信息對推薦結果的影響。在不重建整個推薦模型的前提下，本方法根據新增的用戶反饋信息進行正確的增量實時更新，能夠對新增的用戶反饋數據做出實時反饋。
文檔編號G06F17/30GK102135989SQ20111005623
公開日2011年7月27日 申請日期2011年3月9日 優(yōu)先權日2011年3月9日
發(fā)明者歐陽元新, 熊璋, 羅辛, 蔣祥濤 申請人:北京航空航天大學