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：浙江大学

摘要：本发明公开了一种领域自适应的无重叠实体的跨领域数据协同物品推荐算法。对目标和辅助领域数据预处理获得各自的用户‑物品偏好矩阵和用户‑物品指示矩阵；再处理获得用户之间和物品之间的相似度矩阵；根据相似度矩阵构建用户图和物品图；建立带有图正则化项的目标函数，求解目标函数获得得到最优的三个参数矩阵；用三个参数矩阵乘积来重构获得用户‑物品推荐矩阵，用用户‑物品推荐矩阵将物品推荐给用户。本发明使用领域自适应技术来对齐领域间的数据分布，确保了知识迁移的一致性，能够提高目标领域数据中的推荐性能。

主权项：1.一种领域自适应的无重叠实体的跨领域数据协同物品推荐算法，其特征在于：所述算法步骤具体如下：1通过对目标领域数据的预处理获得目标领域数据的用户-物品偏好矩阵Rt和用户-物品指示矩阵Yt，选择与目标领域数据相关联的领域作为辅助领域数据，并通过对辅助领域数据的预处理获得辅助领域数据的用户-物品偏好矩阵Ra和用户-物品指示矩阵Ya；2根据目标领域数据的用户-物品偏好矩阵Rt和辅助领域数据的用户-物品偏好矩阵Ra，处理获得目标领域数据中用户之间和物品之间的相似度矩阵和以及辅助领域数据中用户之间和物品之间的相似度矩阵和3根据步骤2获得的各个相似度矩阵构建目标领域数据的用户图和物品图以及辅助领域数据的用户图和物品图4在目标领域数据和辅助领域数据的用户图和物品图基础上建立带有图正则化项的目标函数，求解目标函数获得最优的三个参数矩阵；5根据步骤4获得的三个参数矩阵的乘积来重构目标领域数据的用户-物品偏好矩阵Rt获得用户-物品推荐矩阵，实现对目标领域数据的用户-物品偏好矩阵Rt中的缺失值进行预测，最后利用用户-物品推荐矩阵将物品推荐给用户；所述步骤4具体为：4.1目标领域数据和辅助领域数据之间对目标偏好矩阵Rt和辅助偏好矩阵Ra进行联合矩阵三分解，再增加建立针对目标领域数据和辅助领域数据的用户图和物品图的图正则化项，进而建立以下目标函数，表示如下： 上式中，J表示目标函数，S为领域数据间共享的簇级偏好等级参数模式矩阵，Ut表示目标领域数据的用户隐含偏好矩阵，Ua表示辅助领域数据的用户隐含偏好矩阵，Vt表示目标领域数据的物品隐含特征矩阵，Va表示辅助领域数据的物品隐含特征矩阵；αU和αV分别为对齐领域分布的用户正则化参数和物品正则化参数，Yt和Ya分别表示目标领域数据、辅助领域数据的用户-物品偏好矩阵Rt和Ra中的偏好等级参数是否被观测到的指示矩阵，e表示矩阵按元素相乘，λ为权衡参数，用于表示辅助数据的置信度，‖·‖F是Frobenius范数，βU和βV分别为用户图正则化参数和物品图正则化参数，MMDUa,Ut为用户在辅助和目标领域数据之间的特征分布差异，MMDVa,Vt为物品在辅助和目标领域数据之间的特征分布差异；表示目标领域数据用户图的图正则化项，表示目标领域数据物品图的图正则化项，表示辅助领域数据用户图的图正则化项，表示辅助领域数据物品图的图正则化项；4.2采用交替最小化算法对目标函数进行优化求解，获得最优的领域数据间共享的簇级偏好等级参数模式矩阵S、目标领域数据的用户隐含偏好矩阵Ut、辅助领域数据的用户隐含偏好矩阵Ua、目标领域数据的物品隐含特征矩阵Vt和辅助领域数据的物品隐含特征矩阵Va；所述的用户在辅助领域数据和目标领域数据之间的特征分布差异MMDUa,Ut按照以下公式计算获得： 上式中，Mt和Ma分别表示目标领域数据和辅助领域数据中的用户数量，Ua,t表示目标领域数据的用户隐含偏好矩阵Ut和辅助领域数据的用户隐含偏好矩阵Ua的垂直连接，Hu是用户最大均值差异矩阵，Im,n表示每个元素均为1的m×n矩阵，i表示矩阵的第i行，||·||2表示向量二范数的平方；所述的物品在辅助领域数据和目标领域数据之间的特征分布差异MMDVa,Vt按照以下公式计算获得： 上式中，Nt和Na分别表示目标领域数据和辅助领域数据中的物品数量，Va,t表示目标领域数据的物品隐含特征矩阵Vt和辅助领域数据的物品隐含特征矩阵Va的垂直连接，Hv是物品MMD矩阵；所述的目标领域数据的用户图的图正则化项和物品图的图正则化项辅助领域数据的用户图的图正则化项和物品图的图正则化项构建如下： 上式中，tr·表示矩阵的迹；Ut为目标领域数据中的用户隐含偏好矩阵，Vt为目标领域数据中的物品隐含特征矩阵，Ua为辅助领域数据中的用户隐含偏好矩阵，Va为辅助领域数据中的物品隐含特征矩阵。

全文数据：

权利要求：

百度查询： 浙江大学 领域自适应的无重叠实体的跨领域数据协同物品推荐算法