基于多目标优化的推荐方法、装置及计算机可读存储介质与流程

本技术属于推荐领域，具体涉及一种多目标优化的推荐方法、装置及计算机可读存储介质。

背景技术：

1、本部分旨在为权利要求书中陈述的本技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

2、随着互联网的发展，人类已经进入了信息爆炸的时代。推荐系统作为解决信息爆炸的一个有效的工具，不仅能够帮助消费者从大量的物品中找到他们所需要的物品，并且还能帮助商家充分挖掘消费者的需求，从而提高商品的销量。因此，推荐系统被应用于如下众多领域：(1)电子商务领域，各大电子商务网站通过分析用户的历史行为挖掘用户的潜在需求，提高盈利率。(2)电影和视频网站，通过个性化的推荐提高了视频的点击率。(3)短视频领域，国内的抖音、快手等公司通过分析用户的个人画像为用户推荐短视频。(4)个性化音乐平台，通过分析用户的听歌记录为用户推荐相近的歌曲。⑤社交网络，通过推荐系统为用户推荐好友、商品等。基于此，个性化推荐系统已经成为了人们生活中的不可或缺的一环。

3、然而，人们逐渐发现传统的推荐算法并不能很好的满足人们的需求，长尾效应使得只有热门的物品被推荐。因此，如何提高推荐系统的准确推荐效果是一个亟待解决的问题。

4、申请内容

5、针对上述现有技术中存在的问题，提出了一种多目标优化的推荐方法、装置及计算机可读存储介质，利用这种方法、装置及计算机可读存储介质，能够解决上述问题。

6、本技术提供了以下方案。

7、第一方面，一种基于多目标优化的推荐方法，包括：

8、获取用户评分信息，包括多个用户对多个物品的评分信息；

9、根据用户评分信息，通过k均值聚类将用户聚类到不同的集群；

10、基于改进资源分配的概率传播算法，预测每个集群中用户对物品的预测评分；

11、每个集群中，根据用户对物品的预测评分生成初始种群，利用准确性偏好用户引导的进化策略求解基于准确度目标函数和多样性目标函数构建的多目标优化问题，得到每个集群的目标推荐结果。

12、在一种实施方式中，通过k均值聚类将用户聚类到不同的集群，还包括：采用余弦指标来衡量用户之间的相似度。

13、在一种实施方式中，采用如下余弦指标来衡量用户之间的相似度sim(u,v)：

14、

15、其中，rv-item为用户v对物品item的评分,pu∩pv是用户u和用户v共同选择过的物品集合。

16、在一种实施方式中，准确性目标函数pr为：

17、

18、其中，prjα表示用户j对物品α的预测评分，l表示每个用户的推荐列表，s表示用户所在的集群，|s|表示集群s中用户的数量。

19、在一种实施方式中，多样性目标函数包括：

20、

21、其中，u为测试集中的用户，u为测试集中的所有用户，r(u)表示该用户基于其在训练集中行为产生的推荐列表，i是物品的数量。

22、在一种实施方式中，基于改进资源分配的概率传播算法，预测每个集群中用户对物品的预测评分，包括：

23、根据用户对物品的已知评分为物品赋予初始的资源值；

24、根据用户与集群中心用户之间的关系构建第一资源分配系数，根据用户与物品之间的关系和第一资源分配系数，进行从物品至用户的第一资源分配；

25、通过用户偏好函数构建第二资源分配系数，利用第二资源分配系数进行从用户至物品的第二资源分配，从而得到集群中每个用户对每个物品的预测评分。

26、在一种实施方式中，根据用户与集群中心用户之间的关系构建第一资源分配系数，还包括：

27、根据用户j与集群中心用户i之间的相似度sim(i,j)，以及所有选择过物品α的用户l与集群中心用户i之间的相似度之和生成第一资源分配系数。

28、在一种实施方式中，利用以下公式构建第一资源分配系数

29、

30、其中，用户i是集群的中心用户，sim(i,j)表示用户j与集群中心用户i之间的相似度，所有选择过物品α的用户l∈n与集群中心用户i之间的相似度之和

31、在一种实施方式中，第一资源分配，还包括：

32、

33、其中，k(uj)是用户节点uj的度，ajα表示用户节点uj与物品节点oα是否相连，为第一资源分配系数；

34、其中，f(oα)＝cjα，cjα表示用户节点uj对物品节点oα的初始资源，根据用户j对物品α的已知评分确定。

35、在一种实施方式中，还包括：根据每个用户打出的最高评分和用户对物品的真实评分，构建用户对已评价物品的用户偏好函数。

36、在一种实施方式中，利用以下公式构建用户对已评价物品的用户偏好函数：

37、

38、其中，max(j)是用户j打出的最高评分，rjα表示用户j对已评价物品α的真实评分。

39、在一种实施方式中，通过用户偏好函数构建第二资源分配系数，还包括：

40、根据用户对已评价物品的用户偏好函数值，和所有选择过已评价物品的用户对已评价物品的用户偏好函数值之和的比值，构建用户对物品的第二资源分配函数

41、在一种实施方式中，利用以下公式构建第二资源分配系数，还包括：

42、

43、其中，n表示所有选择过物品α的用户l的集合，。

44、在一种实施方式中，第二资源分配，还包括：

45、

46、其中，f(uj)为第一资源分配的结果，k(oα)是物品节点oα的度，ajα表示用户节点uj与物品节点oα是否相连，为第二资源分配系数。

47、在一种实施方式中，根据用户对物品的预测评分生成初始种群，还包括：针对集群的每个用户：

48、确定用户没有选择过的多个物品随机组成第一推荐列表；

49、确定用户的预测评分最高的多个物品组成第二推荐列表；

50、混合第一推荐列表和第二推荐列表，组成初始种群。

51、在一种实施方式中，准确性偏好用户引导的进化策略，包括：

52、在nsga-ⅱ算法框架下的多亲本交叉中，在满足条件的情况下，引入准确性目标函数值最大的个体作为亲本。

53、在一种实施方式中，准确性偏好用户引导的进化策略，包括：

54、获取选择偏好用户概率pu；

55、产生一个0-1之间的随机数f2；

56、如果f2≤pu，则选择当前种群中准确性目标函数值最大的个体作为亲本，并通过锦标赛选择至少2个个体作为亲本；

57、如果f2＞pu，则通过锦标赛选择至少3个个体作为亲本；

58、计算至少3个亲本中的基因出现次数，保留重复出现的基因并随机选择其他的基因，组成子代基因。

59、第二方面，提供一种基于多目标优化的推荐装置，包括：

60、获取模块，用于获取用户评分信息，包括多个用户对多个物品的评分信息；

61、聚类模块，用于根据用户评分信息，通过k均值聚类将用户聚类到不同的集群；

62、预测模块，用于基于改进资源分配的概率传播算法，预测每个集群中用户对物品的预测评分；

63、多目标优化模块，用于在每个集群中，根据用户对物品的预测评分生成初始种群，利用准确性偏好用户引导的进化策略求解基于准确度目标函数和多样性目标函数构建的多目标优化问题，得到每个集群的目标推荐结果。

64、第三方面，提供一种基于多目标优化的推荐装置，包括：

65、至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行：如第一方面的方法。

66、第四方面，提供一种计算机可读存储介质，计算机可读存储介质存储有程序，当程序被多核处理器执行时，使得多核处理器执行如第一方面的方法。

67、上述实施例的优点之一，通过准确性偏好用户来引导算法的进化方向，使得推荐结果在兼顾多样性的同时更加偏向于准确性目标函数。

68、本技术的其他优点将配合以下的说明和附图进行更详细的解说。

69、应当理解，上述说明仅是本技术技术方案的概述，以便能够更清楚地了解本技术的技术手段，从而可依照说明书的内容予以实施。为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举例说明本技术的具体实施方式。

技术实现思路