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：四川泛华航空仪表电器有限公司

摘要：一种基于BTM模型的个性化推荐方法，将每个用户对于各项目的特征项目及各特征项目的数据信息结合形成用户的偏好分布并训练得到BTM模型，然后使用用户的偏好分布通过JS散度计算各个用户之间的相似度、各个用户的评分可信度，接着将各个用户之间的相似度与用户的评分准确度结合得到推荐权重，通过和目标用户最相似的若干用户来预测目标用户对于目标项目的预测评分，并使用推荐权重对预测评分进行修正，最后采用TOP‑N原则实现项目的推荐，引入了用户的评分可信度，从评分时间和评分准确度两个层面对评分预测进行了修正，一定程度上缓解评分偏差带来的影响，提高了推荐的准确度，提升用户的体验。

主权项：1.一种基于BTM模型的个性化推荐方法，其特征在于：将每个用户对于各项目的特征项目及各特征项目的数据信息结合形成用户的偏好分布并训练得到BTM模型，然后使用用户的偏好分布通过JS散度计算各个用户之间的相似度，通过用户的评分准确度、评分时间所占的权重计算各个用户的评分可信度，接着将各个用户之间的相似度与用户的评分可信度结合得到推荐权重，通过和目标用户最相似的若干用户来预测目标用户对于目标项目的预测评分，并使用推荐权重对预测评分进行修正，最后采用TOP-N原则实现项目的推荐；所述方法，具体包括以下步骤：步骤S1数据预处理：获取用户u对项目的订购时间、评分时间、评分信息和评论内容这四个特征项目的数据信息得到用户的数据集，将数据集中的每个特征项目的数据信息进行切分，将每个特征项目中的数据信息分为训练集、验证集和测试集；步骤S2获取项目特征分布：使用经过预处理后的训练集进行训练得到BTM主题模型，并选择BTM主题模型中参数的最佳值，使得到的BTM主题模型在验证集中达到最佳性能，最后再使用BTM主题模型对测试集进行模型性能测试，得到BTM主题模型在各个特征项目上的概率分布θ，项目i在n个特征项目上的概率分布θi表示为θi=（θ1,i，θ2,i，…，θn,i）；步骤S3获取用户的偏好分布：对用户u在项目的评分信息中的空白评分进行填充，再结合用户u对不同项目的评分信息的特征分布以及用户u对项目i的评分信息Ru,i，得到用户u的偏好分布Pu，偏好分布Pu表示为Pu=θi·Ru,i；步骤S4计算用户之间的相似度：用JS散度计算用户偏好分布之间的相似度，用户u和用户v之间的偏好相似度JS（Pu‖Pv）的计算方法为： ；再利用JS散度改进得到用户u和用户v之间的相似度sim（u，v）为： ；步骤S5获取用户评分可信度：计算用户u的评分准确度ac（u）为： ；然后计算评分时间所占的权重time（u）为： ；最后计算得到用户u的评分可信度cret（u）为： ；其中，是项目i的均值评分，是用户u对项目i的评分时间，是用户u对项目i的订购时间，参数n是项目的总个数，φ是评分可信度平衡因子，φ的取值范围为[0，1]；步骤S6计算优化的推荐权重：将步骤S4得到的用户相似度和步骤S5得到的评分可信度结合得到推荐权重recd（u,v）为： ；步骤S7得到修正的评分预测：通过步骤S4获取的用户之间的相似度找到与目标用户u相似度最大的前K个用户，并通过这K个用户来预测目标用户u对于项目i的评分，预测方法为： ；再将从步骤S6中获取的推荐权重recd（u,v）用于修正预测的评分，得到修正后的预测评分为： ；其中，Rv,i是用户v对项目i的评分信息；步骤S8采用Top-N原则推荐：在求得目标用户u对项目i的预测评分后，根据Top-N原从目标用户u对项目的预测评分中找出预测评分排名前N的项目，组成目标用户u的项目推荐集合，将项目推荐集合内的项目推荐给目标用户u。

全文数据：

权利要求：

百度查询： 四川泛华航空仪表电器有限公司 一种基于BTM模型的个性化推荐方法