[发明专利]一种结合评分数据与标签数据的个性化推荐方法

说明书

技术领域

本发明属于个性化推荐领域，通过结合用户对产品的评分数据和产品被标记的标签数据计算生成用户对标签的评分数据，并采用基于用户的协同过滤思想来根据用户对标签的评分数据计算用户间的相似度，寻找目标用户的相似用户群。本发明主要应用于同时拥有用户对产品的评分数据和产品被标记的标签数据的WEB应用场景，为一种结合评分数据与标签数据的个性化推荐方法。

背景技术

随着互联网的不断发展，个性化推荐技术越来越重要。个性化推荐技术能够帮助用户在海量产品中快速找到他们真正需要的。基于用户的协同过滤是一种非常成功并且应用广泛的推荐技术。传统的基于用户的协同过滤采用用户对产品的评分数据来计算用户间的相似度，寻找目标用户的相似用户群，然后根据相似用户群的评分来预测目标用户对产品的未知评分。

在传统的基于用户的协同过滤中，两个用户u和v间的相似度采用皮尔逊相关系数计算，公式如下：

S(u,v)=Σm∈Iu,v(ru,m-r‾u,m)(rv,m-r‾v,m)Σm∈Iu,v(ru,m-r‾u,m)2Σm∈Iu,v(rv,m-r‾v,m)2]]>

在上面公式中，I_u，v代表用户u和v共同评过分的产品的集合；和分别代表用户u和v对I_u，v中所有产品的平均评分。