欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023116644065
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多任务进化优化的多目标推荐方法,其特征在于,包括以下步骤:步骤1、在用户和物品两个不同的层面上对原始任务进行简化得到辅助任务,所述辅助任务为向聚类中心用户进行推荐;

其中,在用户层面上对原始任务进行简化包括以下步骤:

使用K-Means聚类算法对用户的历史行为信息进行预处理,将用户进行分组,挑选每组距离聚类中心最近的用户作为聚类中心用户,辅助任务的目的就是只向这些聚类中心用户进行推荐;

在采用K-Means聚类算法时,值的确定采用肘部法,同时使用余弦相似度来度量两个用户和之间的相似性,计算公式为:,

其中,和分别是和对所有物品的评级向量,表示第个用户,表示第个用户;

在物品层面上对原始任务进行简化包括以下步骤:

使用Probs算法预测所有用户的评分,获得每个用户的预测评分最高的个物品,其中表示候选列表的长度,计算方式为:,其中,表示物品的总数,表示推荐列表的长度,然后,对于每一个聚类中心用户,选择组中除聚类中心用户外的每个用户的预测评分最高的个物品的交集,记为;如果,则选择预测得分最高的个物品加入聚类中心用户的候选推荐列表;否则从聚类中心用户剩下的未评分物品集中选取预测评分最高的个物品,记作,将加入候选推荐列表;

步骤2、将原始任务和辅助任务种群初始化;

步骤3、将步骤2得到的初始化种群进化与交互,得到子代个体集合,通过子代个体集合实现从辅助任务到原始任务的知识转移,形成新的种群;

其中,种群进化与交互具体包括以下步骤:

步骤3.1、初始化迭代次数,最大迭代次数,原始种群,辅助种群;

步骤3.2、从原始种群中随机选取两个个体进行交叉变异操作得到一个后代个体,重复100次得到100个这样的子代个体集合;从辅助种群中随机选取两个个体进行交叉变异操作得到一个后代个体,重复100次得到100个这样的子代个体集合;

步骤3.3、知识迁移:

步骤3.3.1、对于中的每一个个体,分两步实现从辅助任务到原始任务的知识转移:第一步是从中提取的个体中的每一行都将扩展到同一集群中的其他用户所在的行;第二步是对第一步所获得的初步结果进行调整,消除用户已经评价过的物品,是用另外一些与这些原先已经评价过的物品相似度高的物品去顶替原先的物品,物品与物品之间的相似度采用的是余弦相似度,计算方式如下:,

其中,是物品的评级向量,是物品的评级向量;

对于中的每一个个体,都按照上面描述的方法去进行转变,得到;

步骤3.3.2、实现从原始任务到辅助任务的知识转移是基于物品出现的频率:计算每个物品出现在同一集群用户的推荐列表中的频率,然后根据频率大小选择前10个出现频率最高的物品,并将这些物品加入集群中心用户的推荐列表中,对于中的每一个个体,都按照上述方法去进行转变,得到;

步骤3.4、把种群和新产生的100个后代个体以及从辅助种群迁移过来的个体组合在一起形成一个新的种群;把种群和新产生的100个后代个体以及从原始种群迁移过来的个体组合在一起形成一个新的种群;

步骤4、环境选择:基于目标函数值利用非支配排序算法和拥挤距离算法分别对新的种群中的所有个体进行排序,从排序后的种群第一前沿面中所有个体作为最优的一组推荐物品组合并输出。

2.根据权利要求1所述的一种基于多任务进化优化的多目标推荐方法,其特征在于,所述步骤2中,原始任务和辅助任务种群初始化具体包括以下步骤:步骤2.1、对于用户,设置推荐列表长度,的候选推荐列表为,设置种群大小为,令;

步骤2.2、采用极值点引导的方式初始化原始种群;

步骤2.3、采用极值点引导的方式初始化辅助种群。

3.根据权利要求2所述的一种基于多任务进化优化的多目标推荐方法,其特征在于,所述步骤2.2中,原始种群初始化方法具体如下:步骤2.2.1、初始化一个极值点个体,对于原始任务中的每个用户,根据预测评分选择前10个物品来初始化个体中的推荐列表;

步骤2.2.2、采用随机化的方法初始化剩下的个体,在候选推荐列表中随机选择不同的物品来初始化剩余的个体;

步骤2.2.3、按照步骤2.2.1确定的1个个体和步骤2.2.2的方法选出的剩下的个体组合起来作为原始任务的初始种群。

4.根据权利要求2所述的一种基于多任务进化优化的多目标推荐方法,其特征在于,所述步骤2.3中,辅助种群初始化方法具体如下:步骤2.3.1、初始化一个极值点个体,对于辅助任务中的每个聚类中心用户,根据预测评分选择前个物品来初始化个体中的推荐列表;

步骤2.3.2、采用随机化的方法初始化剩下的个体,在候选推荐列表中随机选择不同的物品来初始化剩余的个体;

步骤2.3.3、按照步骤2.3.1确定的1个个体和步骤2.3.2的方法选出的剩下的个体组合起来作为辅助任务的初始种群。

5.根据权利要求1所述的一种基于多任务进化优化的多目标推荐方法,其特征在于,所述步骤4中,环境选择具体包括以下步骤:步骤4.1、利用下述式子计算和中的每一个个体的两个目标函数,包括推荐列表的准确性和多样性:,

,

,

其中,是用户集合,是用户的推荐列表;是用户对物品的预测评分;表示推荐列表的长度;是物品中包含的主题数;表示推荐列表中主题的集合;是整个推荐系统中所有主题的个数,表示推荐列表中不同主题的集合,表示主题在推荐列表中出现的频率;

步骤4.2、基于目标函数值利用非支配排序算法和拥挤距离算法分别对种群和中的所有个体进行排序,得到排序后的具有多个前沿面的候选种群;选出排名前100的个体保留到下一代,即更新为种群和;然后使迭代次数,直到迭代次数为止,否则,转到步骤3.2;

步骤4.3、从所述排序后的种群第一前沿面中所有个体作为最优的一组推荐物品组合并输出。