买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京大学

摘要：基于时序漂移的潜在因子模型对项目的推荐方法，通过采集所需要推荐项目的历史信息，构建时序漂移矩阵分解模型以及时序漂移联合目标函数后，对联合目标函数进行求解后得到基于时序漂移矩阵分解模型，输入的用户信息后可进行项目推荐。本发明考虑并结合了用户的时序动态偏好演变以及用户过去行为对当前行为的影响关系进行建模，通过构建辅助矩阵捕捉用户两个时期之间演变关系，引入时间影响因子平衡当前和过去行为的影响，并在三个实验数据集中和基线方法对比测试均取得较好的仿真推荐效果，以说明本发明具有更优越的有效性。

主权项：1.基于时序漂移的潜在因子模型对项目的推荐方法，其特征在于，所述方法包括：步骤1，采集所需要推荐项目的历史信息，历史信息包括项目的用户信息与项目评级信息；用户信息包括用户行为的时间信息；用户行为的时间信息包括用户在亚马逊网站上浏览这些项目的时长、收藏时间、加入购物车时间以及结账时间；评级范围是1-5分的整数，并对数据集中用户评级数量小于等于1的数据进行筛除；步骤2，基于采集的历史信息构建时序漂移矩阵分解模型；构建的时序漂移矩阵分解模型满足以下关系式： 其中，表示n维实数空间，表示当前时间t的评分矩阵,表示评分矩阵Rt由i×j维的实数组成；表示t时刻目标矩阵Rt的用户潜在因子矩阵，表示潜在用户潜在因子矩阵由i×l维的实数组成； 表示t-T时刻目标矩阵Rt的用户潜在因子矩阵；表示t时刻目标矩阵Rt的项目潜在因子矩阵，表示项目潜在因子矩阵由l×j维的实数组成；表示和之间的辅助转换矩阵；步骤3，基于时序漂移矩阵分解模型构建时序漂移联合目标函数；定义在t时刻和t-T时刻分别对应的评分矩阵Rt和Rt-T的最小化问题： 其中，表示Frobenius范数；引入时间影响因子α，得到联合最小化问题： 其中，0α1，对联合最小化问题进行求解，得到时序漂移联合目标函数，其满足以下关系式： 其中，表示预测数据与实际数据之间误差最小化，表示由t-T时刻获得用户潜在因子矩阵的转换预测误差的最小化；Ut-T的分解偏置度由时间正则化项控制，γ1，γ2为各项影响调节参数，当γ1值越高，则表示该模型对更偏向于辅助矩阵对其影响作用；||·||1表示L1范数；步骤4，对步骤3构建的时序漂移联合目标函数进行求解后得到基于时序漂移矩阵分解模型，输入的用户信息后进行项目推荐。

全文数据：

权利要求：

百度查询： 南京大学 基于时序漂移的潜在因子模型对项目的推荐方法