(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210889239.3 (22)申请日 2022.07.27 (71)申请人 辽宁工程技术大学 地址 123000 辽宁省阜新市细河区中华路 47号 (72)发明人 张俊东　 (74)专利代理 机构 北京华夏正 合知识产权代理 事务所(普通 合伙) 11017 专利代理师 韩登营　张丽萍 (51)Int.Cl. G06F 16/9535(2019.01) G06Q 30/06(2012.01) (54)发明名称 一种基于加权二部图的混合推荐算法 (57)摘要 本发明公开了一种基于加权二部图的混合 推荐算法， 步骤为： 从电影观看平台中得到用户 的历史数据信息， 根据用户的历史数据构建加权 二部图； 在加权二部图中使用个性化随机游走方 法度量项目对于用户的重要度， 生成候选推荐集 合； 利用协同过滤推荐框架对候选推荐集合中项 目进行评分预测； 通过参数调整待推荐集合中项 目的重要度与预测评分对推荐产生的影 响， 生成 推荐结果。 本发 明的基于加权二部图的混合推荐 算法针对不同用户有不同的推荐方案， 实现个性 化推荐， 通过个性化随机游走方法， 进一步挖掘 了用户的兴趣， 增强了推荐的长尾能力， 利用候 选集合中项目的重要度和预测评分进行综合推 荐， 提高了 推荐的多样性、 新颖性。 权利要求书2页 说明书5页 附图2页 CN 115186189 A 2022.10.14 CN 115186189 A 1.一种基于加权二部图的混合推荐算法， 其特 征在于， 包括以下步骤： 步骤1： 从电影观看平台中得到用户的历史数据信息， 根据用户的历史数据构建加权二 部图； 步骤2： 在加权二部图中使用个性化随机游走方法度量项目对于用户的重要度， 生成候 选推荐集 合； 步骤3： 利用协同过 滤推荐框架对候选推荐集 合中项目进行评分预测； 步骤4： 通过参数调整待推荐集合中项目的重要度与预测评分对推荐产生的影响， 生成 推荐结果。 2.如权利要求1所述的基于加权二部 图的混合推荐算法， 其特征在于， 步骤2中的个性 化随机游走 方法包括： 根据新的随机游走 策略， 新的随机游走概 率Quo为： 其中， Fuo为用户u对项目o的评分， Do为项目o的度； 归一化后的游走概 率gQuo为： 其中， Quos为用户u游走到每 个已评分项目的概 率总和； 初始赋予PR(u1)＝1， 其余节点PR值均为0， 即对用户u1而言， 自身重要度为满 分， 每次都 是从PR值不为0的节点开始游走， 每次走一步， 继续游走的概率是α， 停留在当前节 点的概率 是1‑α； 多次迭代， 最终每 个节点的PR值会趋 于稳定， 这个PR值 就是其与目标节点的重要度： 其中， vi节点为vj节点的入边， 即从vi节点游走至vj节点， α 为继续游走的概率， 1 ‑α 为停 留在当前节点的概 率， 为游走概 率， vj≠vu表示继续游走， vj＝vu表示停留在当前节点。 3.如权利要求1所述的基于加权二部图的混合推荐算法， 其特征在于， 在步骤3 中， 为目 标用户未选择的项目进行预测 评分， 已知目标用户u和未选择的项目o,用户u对项目o的预 测评分为： 其中， v表示对项目o已评分过的用户， Rv,o表示用户v对项目o的评分， 分别表示 用户u、 v所有评分的平均评分， n表 示用户u的n位邻近用户； sim(u,v)为用户u、 v之间的相似 度,对sim(u,v)排序生成近邻用户集 合， sim(u,v)计算 步骤如下：权　利　要　求　书 1/2 页 2 CN 115186189 A 2其中， d(v)表示加权二部图中用户v的度， d(o)表示加权二部图中项目o的度； 其中， o∈out(u)表示在加权二部图中项目o与用户u存在连边。 4.如权利要求1所述的基于加权二部图的混合推荐算法， 其特征在于， 在步骤4中， 引入 参数λ来整合评分与PR值对推荐产生的影响， 假设PR值对推荐产生的影响与预测 评分是一 致的， 将PR值映射到[0， 5]区间， 即 其中， PRuo表示候选推荐集合中项目o的PR值， PRmax表示候选推荐集合中项目PR值的最 大值； 得到综合的项目推荐值 为 Tuo＝ λPR′uo+(1‑λ )Puo 其中， λ为可调节的参数( λ∈[0,1])， 当λ＝0时， Tuo变为单独的预测评分推荐值， 当λ＝1 时， Tuo变为单独的PR推荐值。权　利　要　求　书 2/2 页 3 CN 115186189 A 3