1.一种基于多目标进化算法的个性化网页推荐方法,其特征在于,包括:S1、获取网页信息 ,并根据关键字对网页信息进行分类得到集合 , 包括有 个样本点的集合,样本点的集合中样本根据用户点击流分配网页信息的相关性标签;
S2、从 中选取网页信息特征,并根据网页信息特征将 转换为二类样本集合;
S3、对相关信息集合进行编码得到父代种群,并随机初始化父代种群;
S4、基于父代种群初始化子种群;
S5、将父代种群和子种群合并进化;
S6、重复执行步骤S4和步骤S5进行下一代遗传,直到达到最大遗传代数终止遗传,得到网页推荐预测模型;
S7、通过网页推荐预测模型对网页信息集合进行预测,得到用户感兴趣的网页信息;
其中,步骤S4,具体包括:
S41、计算父代种群 中每一条染色体三个目标函数的值,三个目标函数如下:,其中 表示当前模型下的收益, 表示当前模型下存在的风险, 表示使用样本的数量, 表示当前模型下的效力, 表示完美模型下的效力;
S42、将父种群 中的每一条染色体按三个目标函数的值进行降序排列,得到三个目标函数表;
S43、在父代种群 中随机选取一半的染色体作为样本染色体;
S44、从样本染色体中选取一个目标染色体记为 ,根据三个目标函数表找到 对应的位置,再从三个目标函数值表中找到 的相邻染色体,分别计算 与其相邻个体的标准欧氏距离,获取与 有最大标准欧氏距离的相邻染色体 ;
S45、获取与目标染色体有相同维度的 ,其中 ,从个体 和 的第一位基因开始,如果相应位置的 的值为1,交换个体 和 在该位上的值;
S46、对染色体 和 的每一位基因均重复步骤S45操作,得到 和 ;
S47、获取与目标染色体有相同维度的 ,其中 ,从个体 的第一位基因开始,当相应位置的 的值小于预设变异概率时,判断 在该位上的值是否为0,若是,将 在该位上的值置为1;否则,将 在该位上的值置为0;
S48、对 的每一位基因、 的每一位基因均重复步骤S47操作,得到两个新染色体,记为子代染色体种群;
S49、重复步骤S44、S45、S46、S47、S48操作,直到得到的子代种群与父代种群大小相同,记为 。
2.根据权利要求1所述的基于多目标进化算法的个性化网页推荐方法,其特征在于,步骤S2,具体包括:
从 中选取网页信息特征 ;
根据 和pairwise算法将 转换为二类样本集合,当 中样本对 对应的 时,将新产生的样本对的相关性标签置为1,否则,将新产生的样本对的相关性标签置为‑1。
3.根据权利要求1所述的基于多目标进化算法的个性化网页推荐方法,其特征在于,步骤S3,具体包括:
将相关信息集合中每一条网页信息表示一个基因位,得到 条网页信息组成一条染色体 ,得到父代种群,其中,表示网页的个数,表示第 网页, ,0代表不选择这条网页信息,1代表选择这条网页信息;
随机初始化父代种群 ,其中 表示父代种群的大小。
4.根据权利要求1所述的基于多目标进化算法的个性化网页推荐方法,其特征在于,步骤S5,具体包括:
S51、父代种群和子种群进行合并,得到合并种群 ;
S52、计算 中每个个体的三个目标函数的值,并根据目标函数值进行快速非支配排序;
S53、获取 中的非支配解集,记为第一非支配层,获取余下群体中非支配解集,记为第二非支配层;
S54、重复步骤S53,直到 被分层完;
S55、在同层之间计算每个染色体的拥挤距离,将每个染色体的拥挤距离按照降序排序;
S56、选取位于第一非支配层的染色体,若第一非支配层里的染色体数量大于 ,选择前 个染色体作为新的父代种群;若第一非支配层的个体数目小于 ,将第一非支配层的染色体放入新的父代种群里,少于 的染色体从第二非支配层里按拥挤距离选取,若再不足 个依次按拥挤距离从剩余的非支配分层里选取,直到选取的个体数目等于 ,更新父代种群 。
5.根据权利要求4所述的基于多目标进化算法的个性化网页推荐方法,其特征在于,步骤S55中,所述染色体的拥挤距离,具体包括:染色体的拥挤距离是目标空间上与i相邻的两个染色体i+1和i‑1之间的距离。