专利名称：一种融合项目相关性的基于pmf的协同过滤推荐系统的制作方法
技术领域：
本发明涉及一种融合了协同标签项目相关性的基于PMFO^robabilisticMatrix !factorization，概率矩阵因式分解)的协同过滤推荐系统，适用于推荐结果的优化，属于 数据挖掘的技术领域。
背景技术：
社会标签网络的提出，使协同过滤推荐系统有了除用户-项目评分数据矩阵以外 的另一个推荐参考标准。现有的基于评分相似度的K近邻模型和FR(F指社会标签网络过 滤，R指推荐偏差移除)方法都对协同过滤推荐系统进行了优化。基于隐向量模型的协同过滤算法，与基于评分相似度的K近邻模型相比，其存贮 和计算复杂度相对较低，并能较好地对已知的用户-项目评分数据中的潜在关系进行诠 释；同时具备较高的推荐精度。但是，现有的基于隐向量模型的协同过滤算法，其推荐结果 往往只基于已知的用户-项目评分数据产生；通过上一章的研究，我们可以看到，在基于评 分相似度的K近邻模型中，融入社会标签数据的信息，将会有效地提高推荐结果的质量 ’类 似地，我们同样可以通过融入社会标签数据信息的方式，来提高基于隐向量模型的协同过 滤算法的推荐精度。
发明内容
本发明要解决的技术问题克服现有技术的不足，提供一种融合了协同标签项目 相关性的基于PMF的协同过滤推荐系统，着重于讨论从社会化标签数据中挖掘项目间的联 系，并将其与用户-项目评分数据中相结合，以达到提高推荐质量的目的。本发明的技术解决方案一种融合了协同标签项目相关性的基于PMF的协同过滤 推荐系统，包括对用户-项目评分数据的概率矩阵因式分解隐向量分析、融入社会标签因 素的使用PMF对社会标签网络分析和基于不同数据源的隐向量融合三个部分。对用户-项 目评分数据的概率矩阵因式分解是基于已知的用户-项目评分数据，利用PMF对用户-项 目评分矩阵进行隐向量分析，再使用构造出的隐向量进行推荐。PMF对社会标签网络分析 是沿用之前提出的社会标签网络模型从社会标签数据中抽取社会标签数据中项间的关系， 并使用PMF方法对社会标签网络模型进行隐向量分析，最后通过在基于不同数据源的隐向 量模型上共享隐向量空间的方式，将社会标签数据信息和用户-项目评分数据信息进行融
I=I O下面对本发明的技术方案做详细的说明一种融合了协同标签项目相关性的基于 PMF的协同过滤推荐系统，具体如下(一)使用PMF对用户-项目评分矩阵进行隐向量分析系统首先在给定的包含I I I个项目的社会标签数据上建立的社会标签网络模型， 使用邻接矩阵Fe Rlllxl11表示，其中元素fy表示项目i和j之间的社会标签相关度。( 二)融入社会标签因素的使用PMF对社会标签网络分析
系统使用PMF对邻接矩阵F进行因式分解，得到每个项目在社会标签数据中的特 征信息。令Y、Q均为IllXf的矩阵，各自代表f维的项目隐特征矩阵，其中Y是前置项目 隐特征矩阵，Q是后置项目隐特征矩阵，并使用yi -Qj对F中的元素进行逼近，得到F中 的已知值关于Y和Q的条件分布。(三)基于两种数据源的隐向量融合通过在基于不同数据源的隐向量模型上共享隐向量空间的方式，将社会标签数据 信息和用户-项目评分数据信息进行融合，进而构造同时依赖于社会标签网络信息和用 户-项目特征信息的累积损失函数，更好地通过已知数据预测出未知数据的评分信息，从 而达到提高推荐精度的目的。关键技术是PMF，即概率矩阵因式分解，是一种使用高斯函数对隐向量进行拟和， 再使用似然构造全局损失函数，从而实现对指定矩阵进行隐向量分析的因式分解技术。所 述(一)中使用PMF对用户-项目评分矩阵进行隐向量分析时，令P、Q分别为|U|Xf和
11 χ f的矩阵，代表f维的用户隐特征矩阵和项目隐特征矩阵；令ru, J e R代表用户U对 项目j的评分；代入具备高斯观测噪声的线性似然模型，则使用用户隐特征矩阵和项目 隐特征矩阵对用户-项目评分矩阵R进行逼近时，可以得到用户-项目评分矩阵R关于 用户隐特征和项目隐特征的条件分布。基于PMF的隐向量模型(以下简称PMF模型)由 Salakhutdinov等提出，其基本思想是基于已知的用户-项目评分数据T，利用PMF对用 户-项目评分矩阵R进行隐向量分析，再使用构造出的隐向量进行推荐。本发明的优点及功效在于(1)采用社会标签网络模型从社会标签数据中抽取社 会标签数据中项目的关系；( 使用PMF方法对社会标签网络模型进行隐向量分析，通过在 基于不同数据源的隐向量模型上共享隐向量空间的方式，将社会标签数据信息和用户-项 目评分数据信息进行融合分析；(3)能够充分挖掘用户-项目之间的关系，提高了协同过滤 推荐系统推荐的精度。
图1是使用PMF对用户-项目评分矩阵进行分解的模型图示图2是使用PMF对社会标签网络进行分解的模型图示图3是基于两种不同数据源的隐向量模型融合后的模型图示
具体实施例方式1.使用PMF对用户-项目评分矩阵进行隐向量分析使用PMF对用户-项目评分矩阵进行隐向量分析时，令P、Q分别和 11 X f的矩阵，代表f维的用户隐特征矩阵和项目隐特征矩阵；令ru, j e R代表用户u对
项目j的评分；代入具备高斯观测噪声的线性似然模型，则使用用户隐特征矩阵和项目隐 特征矩阵对用户-项目评分矩阵R进行逼近时，可以得到用户-项目评分矩阵R关于用户 隐特征和项目隐特征的条件分布，如下所示
权利要求
1. 一种融合了协同标签项目相关性的基于PMF的协同过滤推荐系统，其特征在于具 体如下(一)使用PMF对用户-项目评分矩阵进行隐向量分析系统首先在给定的包含|1|个项目的社会标签数据上建立的社会标签网络模型，使用 邻接矩阵F e Rlllxl11表示，其中元素fy表示项目i和j之间的社会标签相关度；使用PMF对用户-项目评分矩阵进行隐向量分析时，令P、Q分别为|U| Xf和|l|Xf 的矩阵，代表f维的用户隐特征矩阵和项目隐特征矩阵；令e R代表用户u对项目j的 评分；代入具备高斯观测噪声的线性似然模型，则使用用户隐特征矩阵和项目隐特征矩阵 对用户-项目评分矩阵R进行逼近时，可以得到用户-项目评分矩阵R关于用户隐特征和 项目隐特
2.根据权利要求1所述的一种融合了协同标签项目相关性的基于PMF的协同过滤推 荐系统，其特征在于所述的(一)中使用PMF对用户-项目评分矩阵进行隐向量分析时， 令P、Q分别为|U| Xf和|l|Xf的矩阵，代表f维的用户隐特征矩阵和项目隐特征矩阵；令 ru,j e R代表用户u对项目j的评分；代入具备高斯观测噪声的线性似然模型，则使用用户 隐特征矩阵和项目隐特征矩阵对用户-项目评分矩阵R进行逼近时，可以得到用户-项目 评分矩阵R关于用户隐特征和项目隐特征的条件分布；得出已知的用户-项目评分和已知项目社会标签相关度关于隐特征矩阵C、H、B、E、Q 的条件分布如下式所示
全文摘要
本发明公开了一种融合项目相关性的基于PMF的协同过滤推荐系统，系统包括对用户-项目评分数据的概率矩阵因式分解隐向量分析、融入社会标签因素的使用PMF对社会标签网络分析和基于两种数据源的隐向量融合三个部分。对用户-项目评分数据的概率矩阵因式分解是基于已知的用户-项目评分数据，利用PMF对用户-项目评分矩阵进行隐向量分析，再使用构造出的隐向量进行推荐。PMF对社会标签网络分析是沿用之前提出的社会标签网络模型从社会标签数据中抽取社会标签数据中项间的关系，并使用PMF方法对社会标签网络模型进行隐向量分析，最后通过在基于不同数据源的隐向量模型上共享隐向量空间的方式，将社会标签数据信息和用户-项目评分数据信息进行融合，从而达到提高推荐精度的目的。
文档编号G06F17/30GK102129463SQ20111005984
公开日2011年7月20日 申请日期2011年3月11日 优先权日2011年3月11日
发明者欧阳元新, 熊璋, 罗建辉, 罗辛, 顾毅 申请人:北京航空航天大学