【技術實現步驟摘要】
本專利技術涉及數據處理，特別涉及一種用于網上商城的商品推薦算法及系統。
技術介紹
1、隨著互聯網、大數據等新技術的迅速發展，人們的生活變得更加便捷，但同時也導致網絡數據爆炸式增長。為了快速幫助用戶找到感興趣的內容，越來越多的研究者致力于推薦算法的研究，以提高推薦質量，向用戶推薦更符合其喜好的內容。然而，目前的推薦算法仍存在數據稀疏性、冷啟動等問題。其中，數據稀疏性問題即用戶-項目評分矩陣通常是非常稀疏的，這會導致矩陣分解中潛在因子的估計存在誤差，影響預測評分和推薦結果；冷啟動問題是當有新用戶或者新物品加入到系統中，由于缺乏歷史評分數據導致模型很難判斷出用戶的所需的物品，從而對推薦結果的精確度和可信度產生影響。基于此，本專利技術提出一種用于網上商城的商品推薦算法及系統。
技術實現思路
1、本專利技術提供一種用于網上商城的商品推薦算法及系統提高了推薦結果的精確度和可信度。
2、根據本公開的一方面，提供了一種用于網上商城的商品推薦算法，所述算法包括：
3、獲取包含用戶信息，商品信息，商品評分信息及用戶社交信息的數據集；
4、根據所述數據集計算用戶間的相似度以及用戶間的可信度；
5、對于每一個用戶u，根據用戶間的相似度和用戶間的可信度計算可信用戶間的相似度；
6、用戶u和用戶v的共同好友為集合comm，根據用戶u與集合comm中好友k的互動次數，以及用戶v與集合comm中好友k的互動次數確定好友k的互動頻率，根據集合comm中所有
7、用戶u和用戶v的共同好友集合comm中好友的數量除以用戶u的好友集合中的好友數量與用戶v的好友集合中的好友數量之和得到商；
8、根據所述商與所述平均互動頻率的乘積得到用戶去噪聲的社交信息相似度；
9、根據所述數據集計算融合用戶社交信息的用戶相似度；
10、根據所述數據集計算商品相似度；
11、根據式（1）示出的目標函數l確定用戶潛在特征向量矩陣和商品潛在特征向量矩陣：
12、?（1）
13、其中，用戶潛在特征向量矩陣u是d行m列的矩陣，商品潛在特征向量矩陣v是d行n列的矩陣，u和v為未知量，r為用戶評分矩陣，r為已知量；
14、i表示用戶，j表示商品，表示用戶i對商品j的評分；為指示函數，如果用戶i對商品j評分過則為1，如果用戶i未對商品j評分過則為0；
15、表示用戶i和用戶f之間的融合用戶社交信息的用戶相似度，表示商品j和商品的商品相似度；
16、目標函數中的第二項表示去噪聲后的用戶社交信息正則項，修正參數，修正參數，目標函數中的第三項表示融有用戶活躍度的商品關聯正則項，第四項和第五項為正則項，和均大于0，為范數；
17、用戶潛在特征向量矩陣的轉置矩陣和商品潛在特征向量矩陣相乘得到用戶-商品預測評分矩陣；
18、根據所述用戶-商品預測評分矩陣確定評分大于評分閾值的待推薦商品，向用戶推薦商品。
19、在一種可能的實現方式中，所述計算融合用戶社交信息的用戶相似度，包括：根據式（2）計算融合用戶社交信息的用戶相似度：
20、（2）
21、其中，為調節系數，用于調節可信用戶間的相似度與用戶去噪聲的社交信息相似度的權重，。
22、在一種可能的實現方式中，通過式（3）計算商品相似度：
23、（3）
24、其中，f(u)為第一權重，對商品c和商品j都有過評分的用戶集合h，是集合h中所有用戶打分的平均值，為用戶u對商品c的評分，為用戶u對商品j的評分。
25、在一種可能的實現方式中，所述根據所述數據集計算用戶間的相似度以及用戶間的可信度，包括：
26、通過式（4）計算用戶間的相似度：
27、（4）
28、其中，和分別代表用戶u和用戶v的平均評分，表示用戶u對商品j的評分，表示用戶v對商品j的評分，為用戶u評分過的商品集合，為用戶v評分過的商品集合；
29、表示用戶的相關權重，通過與的交集中商品的數量除以與并集中商品的數量得到所述相關權重。
30、在一種可能的實現方式中，所述根據所述數據集計算用戶間的相似度以及用戶間的可信度，還包括：
31、通過式（5）計算用戶間的可信度：
32、（5）
33、其中，表示用戶v對于用戶u的可信度，表示用戶u評分的最大值，表示信任距離，即用戶u和用戶v之間的存在的間接相關的用戶人數，表示用戶之間的最大信任距離，是介于0-1之間的修正系數；
34、用戶間的相似度和用戶間的可信度計算可信用戶間的相似度。
35、根據本專利技術的另一方面，提供一種用于網上商城的商品推薦系統，所述系統應用所述的推薦算法，所述系統包括：
36、用戶模塊，用于普通用戶或管理員用戶的注冊、登錄或管理；
37、用戶社交模塊，用于實現用戶的好友添加或好友刪除；
38、商品訂單模塊，用于普通用戶進行商品搜索、商品詳情查看、商品收藏或商品評價，以及用于管理員用戶上架商品，下架商品或管理訂單；
39、數據收集與處理模塊，用于收集并處理用戶對商品的操作信息、歷史評分信息和社交信息，得到預測評分結果；
40、個性化推薦模塊，用于根據預測評分結果將預測評分高的商品推薦給用戶。
41、與現有技術相比，本專利技術的有益效果是：
42、本公開實施例的一種用于網上商城的商品推薦算法及系統，將去噪聲的用戶社交信息和融有用戶活躍度的商品關聯關系作為正則項，限制矩陣分解過程中用戶潛在特征矩陣和項目潛在特征矩陣的學習。使得預測出來的評分值更接近真實評分矩陣中的評分值。得到符合用戶個性化需求的待推薦列表，向用戶推薦更加精準的商品。提高了推薦結果的精確度和可信度。
本文檔來自技高網...【技術保護點】
1.一種用于網上商城的商品推薦算法，其特征在于，所述算法包括：
2.根據權利要求1所述的一種用于網上商城的商品推薦算法，其特征在于，所述計算融合用戶社交信息的用戶相似度，包括：根據式（2）計算融合用戶社交信息的用戶相似度：
3.根據權利要求1所述的一種用于網上商城的商品推薦算法，其特征在于，通過式（3）計算商品相似度：
4.根據權利要求1所述的一種用于網上商城的商品推薦算法，其特征在于，所述根據所述數據集計算用戶間的相似度以及用戶間的可信度，包括：
5.根據權利要求4所述的一種用于網上商城的商品推薦算法，其特征在于，所述根據所述數據集計算用戶間的相似度以及用戶間的可信度，還包括：
6.一種用于網上商城的商品推薦系統，其特征在于，所述系統應用權利要求1-5任一項所述的算法，所述系統包括：
【技術特征摘要】
1.一種用于網上商城的商品推薦算法，其特征在于，所述算法包括：
2.根據權利要求1所述的一種用于網上商城的商品推薦算法，其特征在于，所述計算融合用戶社交信息的用戶相似度，包括：根據式（2）計算融合用戶社交信息的用戶相似度：
3.根據權利要求1所述的一種用于網上商城的商品推薦算法，其特征在于，通過式（3）計算商品相似度：
4.根據權利要求1所...
【專利技術屬性】
技術研發人員：崔玉寶，張道友，唐治，史成成，
申請(專利權)人：君世立信科技集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。