买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京大学

摘要：本发明涉及一种基于缺失数据填补的推荐方法，属于推荐技术领域，解决了现有技术中缺乏完全随机性下的无偏估计，推荐结果不准确的问题。方法包括以下步骤：获取用户数据、物品数据，以及观测到的用户对物品的评价数据，构建训练样本集；构建平衡增强数据插补模型和评价预测模型，基于所述训练样本集对所述平衡增强数据插补模型和评价预测模型进行联合训练，得到训练好的评价预测模型；基于训练好的评价预测模型对未观测到的用户对物品的评价数据进行预测，基于用户对物品的评价数据进行推荐。实现了精准推荐。

主权项：1.一种基于缺失数据填补的推荐方法，其特征在于，包括以下步骤：获取用户数据、物品数据，以及观测到的用户对物品的评价数据，构建训练样本集；构建平衡增强数据插补模型和评价预测模型，基于所述训练样本集对所述平衡增强数据插补模型和评价预测模型进行联合训练，得到训练好的评价预测模型；基于训练好的评价预测模型对未观测到的用户对物品的评价数据进行预测，基于用户对物品的评价数据进行推荐；采用以下公式计算平衡增强数据插补模型的损失 其中，表示平衡增强数据插补模型输出的第u个用户对第i个物品的评价的插补结果，表示评价预测模型预测的第u个用户对第i个物品的评价预测结果，ru,i表示第u个用户对第i个物品的真实评价结果，L·,·表示损失函数，ou,i表示是否观测到第u个用户对第i个物品的评价数据，表示预测的第u个用户对第i个物品有评价的概率，表示训练样本集中的用户-物品对，表示训练样本集中用户-物品对的数量，‖·‖F表示Frobenius范数，φ和ε表示平衡增强数据插补模型的参数，v表示超参数；采用以下公式计算评价预测模型的损失 其中，表示平衡增强数据插补模型输出的第u个用户对第i个物品的评价的插补结果，表示评价预测模型预测的第u个用户对第i个物品的评价预测结果，ru,i表示第u个用户对第i个物品的真实评价结果，L·,·表示损失函数，ou,i表示是否观测到第u个用户对第i个物品的评价数据，表示预测的第u个用户对第i个物品有评价的概率，表示训练样本集中的用户-物品对，表示训练样本集中用户-物品对的数量，‖·‖F表示Frobenius范数，θ表示评价预测模型的参数，ε表示平衡增强数据插补模型的参数，v表示超参数。

全文数据：

权利要求：

百度查询： 北京大学 一种基于缺失数据填补的推荐方法和系统