[发明专利]一种基于典型用户群组发现技术的信息推荐方法

权利要求书

1.一种基于典型用户群组发现技术的信息推荐方法，其特征在于，包括以下步骤：

11)发现典型用户群组TUG，针对用户集合和项目集合计算出典型用户群组；其具体步骤如下：

110)定义用户集合U＝{u_i},0≤i<|U|；定义项目集合P＝{p_j},0≤j<|P|；

111)使用评分矩阵R定义用户和项目之间的互动信息，

R＝{r_ij}_|U|×|P|,r_ij≥0，

其中r_ij＝0代表用户u_i和项目p_j没有互动，并将在R中从未出现的用户或项目从U和P中删除；

112)针对用户集合U定义空用户子集U’，定义候选用户U_c，定义候选用户子集U_c中的用户数为k，U’的项目覆盖集P_U’定义为

PU′={pk},∃rik≠0,ui∈U′;]]>

113)计算U’的项目覆盖率，P的子集P_U’在P中所占的比例，

Cov(U′)=|PU′||P|×100%;]]>

114)定义子集U₁加入到子集U’的递增项目覆盖率ICov_U’(U₁)，

ICov_U'(U₁)＝Cov(U₁∪U')-Cov(U')；

115)令U₁＝{u}，当每次选择一个用户u加入U’，则

ICovU′(u)=|Pu∪U′|-|PU′||P|×100%]]>

将P_u和P_U’中相同的项目会互相抵消，则

ICovU,(u)=Σpj∈Pf(pj∈Pu,pj∉PU,)|P|,]]>

其中

116)定义加权的递增项目覆盖率，

ICovU,(u)=Σpj∈Pwj×f(pj∈Pu,pj∉PU,)|P|,]]>

其中权重w_j定义为其中S_j表示项目P_j一共被S_j个用户选择过；

117)进行1至k次循环，在循环过程中分别计算U_c中所有用户的加权递增项目覆盖率；计算maxCov(TUG)，选出最大加权递增项目覆盖率的用户u；将u添加到U’中，从U_c中删去u；

118)循环结束后，U’为所求的典型用户群组TUG；

12)计算推荐结果R’，基于典型用户群组TUG，将协同过滤推荐方法的最近邻搜索范围从全体用户缩小到典型用户群组中，计算出推荐结果R’。

2.根据权利要求1所述的一种基于典型用户群组发现技术的信息推荐方法，其特征在于：所述的计算推荐结果R’包括以下步骤：

21)相似度计算，对于每个用户u，计算u和TUG中每个典型用户的相似度，相似度计算公式如下：

Sim(u,u2)=Σpj∈Pruj×r2jΣpj∈Pruj2Σpj∈Pr2j2,u2∈TUG;]]>

22)最近邻搜索，从TUG中选出和u相似度最高的n个典型用户，作为最近邻集合U_N；

23)评分预测，对于用户u未评分的项目p计算其得分，通过其最近邻集合U_N对项目p评分的加权平均计算出得分；

24)对于所有的用户所有未评分项进行预测，并按得分从高到低排序，得到推荐结果R’。