[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

说明书

技术领域

本发明涉及推荐系统技术领域，具体来说是一种基于典型用户群组发现技术的信息推荐方法。

背景技术

随着信息社会的发展和计算机技术的进步，推荐系统已经成为人们避免信息过载、获得有效信息的重要途径，已广泛应用于视频推荐、好友推荐、网站推荐、论坛推荐等各个信息化领域中。推荐系统通过协同过滤、基于内容的推荐等方法，可以有效的提供与目标用户的兴趣偏好具有较高相关性的个性化推荐结果，从而提升用户对于信息服务的满意度。

推荐系统的相关研究，大多集中在如何提升推荐效果，而较少关注对于推荐系统用户群体的深入分析。随着推荐系统用户规模的不断扩大，特别是聊天工具中好友推荐、电影库中影片推荐等，逐一分析单个用户是极其浪费计算资源和时间。通常在推荐系统的实际应用中，运用用户聚类、删除不活跃用户等手段，降低待分析用户规模，然后进一步实现后续推荐流程。例如对于旅游推荐中的不活跃用户，在删除不活跃用户后，综合运用多种用户特征提升了推荐效果。但是，类似的方法由于处理过程的固有缺陷，在保证精度的同时并不能保证对于用户兴趣的充分反映，导致不能全面的进行信息推荐。因此，应当开发出一种新的用户子集筛选方法，使得筛选得到的子集既能充分反映全体用户的兴趣偏好，又能尽可能多的覆盖和包含已知推荐项目。

发明内容

本发明的目的是为了解决现有技术中推荐方法运算量大、无法充分反映用户兴趣的缺陷，提供一种基于典型用户群组发现技术的信息推荐方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于典型用户群组发现技术的信息推荐方法，包括以下步骤：

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：

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

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；

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′;]]>

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%;]]>