1.一种基于员工技能培训历史偏好的个性化推荐方法,其特征在于,所述方法包括如下步骤:步骤1:根据所有员工历史培训信息构建员工--培训项目矩阵R=(r
表1
步骤2:对评分矩阵R计算培训项目之间的Pearson相似度,对评分矩阵R计算培训项目之间的Pearson相似度,进而得到培训项目相似度矩阵S,结果如表2所示:表2
步骤3:对于培训项目i,根据相似度矩阵S获得与培训项目i之间相似度最高的n1个项目组成最近邻居集合,同时以n1个相似度最低的培训项目组成最远邻居集合;
步骤4:对于员工u,遍历员工u参加过的所有培训项目,将每一个培训项目的最近邻居集合和最远邻居集合分别进行合并以去除各自包含的重复项,形成属于员工u的一个由最近邻居项目组成的项目集合“集合ns”以及一个由最远邻居项目组成的项目集合“集合fs”;
步骤5:从员工u的“集合fs”集合中去除“集合ns”中的相同培训项目,并进一步清除员工已参与过的相关培训项目,将处理后的“集合fs”中所有培训项目视为确定员工u不感兴趣的培训项目,即真负样本“集合tf”;
步骤6:在获得员工的“集合tf”后,再将其作为训练数据,输送到推荐系统中进行训练和推荐,让模型不断更新模型参数,学习员工不喜欢的培训项目中的数据特征,拟合员工的反面偏好特征;
步骤7:选择推荐精度最好的模型作为真负样本的推荐器,并对每一个员工进行预测和推荐,对员工u产生的推荐结果是以员工u不喜欢该培训的概率值为标准,从高到低排序的长度为n的项目序列,取该序列的前n2个培训项目记录,并将其在矩阵R中的值置为0;
步骤8:对员工u每一个未参加过的培训项目i,计算得到与其最相似的n3个培训项目,再计算这n3个项目与员工u已经参加过的培训项目的重合数目m,m值越大,则证明该项目与员工培训过的项目的特征一致性越强;
步骤9:对每个员工u,取其m值最大的前n4个未培训项目,作为员工潜在喜欢的培训项目,并将其在矩阵R中的值置为1;
步骤10:将最终的矩阵R作为训练数据输入生成对抗网络进行训练,训练完成后,用生成器G为每个员工对每个培训生成一个偏好值,将每个培训的偏好值从高到低排序,取出前N个培训推荐给员工。