申请/专利权人：山东科技大学

申请日：2019-09-02

公开（公告）日：2023-01-24

公开（公告）号：CN110704496B

主分类号：G06F16/2458

分类号：G06F16/2458;G06F16/9535;G06Q30/06;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2023.01.24#授权;2020.02.18#实质审查的生效;2020.01.17#公开

摘要：本发明公开了一种基于不对称响应的建议聚合方法，该建议聚合方法包括：在第一步骤中，计算多个用户中的目标用户和其它用户之间的评分相似度，并根据评分相似度在其它用户中寻找目标用户的邻居；在第二步骤中，计算邻居的建议给目标用户带来的关于各个项目的积极增量和消极增量，其中，积极增量表示邻居关于项目向目标用户提出的积极建议所产生的增量，且消极增量表示邻居关于项目向目标用户提出的消极建议所产生的增量；在第三步骤中，根据积极增量和消极增量，利用机器学习算法分别学习目标用户对积极建议和消极建议的响应度；并且在第四步骤中，利用响应度，对积极建议和消极建议进行聚合。

主权项：1.一种基于不对称响应的建议聚合方法，其包括：在第一步骤中，计算多个用户中的目标用户和其它用户之间的评分相似度，并根据所述评分相似度在所述其它用户中寻找所述目标用户的邻居；在第二步骤中，计算所述邻居的建议给所述目标用户带来的关于各个项目的积极增量和消极增量，其中，所述积极增量表示所述邻居关于所述项目向所述目标用户提出的积极建议所产生的增量，且所述消极增量表示所述邻居关于所述项目向所述目标用户提出的消极建议所产生的增量；在第三步骤中，根据所述积极增量和所述消极增量，利用机器学习算法分别学习所述目标用户对所述积极建议和所述消极建议的响应度；并且在第四步骤中，利用所述响应度，对所述积极建议和所述消极建议进行聚合；其中，假设第m个用户um为所述目标用户，则所述邻居的所述积极建议给所述目标用户带来的关于所述项目中的第j个项目的所述积极增量和所述邻居的所述消极建议给所述目标用户带来的关于所述第j个项目的所述消极增量分别由如下的式1和2来定义，这里m≠v， 其中，是所述邻居的所述积极建议给所述目标用户带来的关于所述第j个项目的所述积极增量，是所述邻居的所述消极建议给所述目标用户带来的关于所述第j个项目的所述消极增量，Simum,uv是所述目标用户与作为所述邻居的第v个用户uv的所述评分相似度，rvj是所述第v个用户uv对所述第j个项目的评分，是所述第v个用户uv的历史评分的平均值，并且n是所述邻居的数量；其中，在所述第三步骤中，进一步优化所述响应度；其中，在所述第三步骤中，根据如下的式4来定义所述评分的损失函数Em，利用如下的式5和6基于所述损失函数分别计算所述积极增量的积极增量梯度和所述消极增量的消极增量梯度，并根据如下的式7和8对所述响应度进行迭代优化， 其中，Em表示所述损失函数，表示所述积极增量梯度，表示所述消极增量梯度，Bm表示所述项目的项目数，rmj表示所述目标用户在消费历史上对所述第j个项目的历史评分，表示所述目标用户对所述第j个项目的评分的预测值，表示所述目标用户对所述积极建议的所述响应度，表示所述目标用户对所述消极建议的所述响应度，和的初始值是随机生成的，并且α是学习率且α∈[0,1]；其中，在所述第四步骤中，利用如下的式3进行所述聚合以获得所述目标用户对所述第j个项目的聚合评分， 其中，Aj表示所述目标用户对所述第j个项目的聚合评分。

全文数据：

权利要求：

百度查询： 山东科技大学 基于不对称响应的建议聚合方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD