[发明专利]一种结合模糊权重相似性度量和聚类协同过滤的方法

权利要求书

1.一种结合模糊权重相似性度量和聚类协同过滤的方法，其特征在于，该结合模糊权重相似性度量和聚类协同过滤的方法包括以下步骤：

步骤一，处理用户—项目评分矩阵R_m×n，确定目标用户U_i、待评分的项目I_c、最近邻居查询个数knear和分类数kcluster；

步骤二，依据评分矩阵R_m×n，用fcos,fcor,fadj分别计算用户三种不同的相似度矩阵FCOS,FCOR,FADJ，从相似度矩阵中知道任意两个用户之间的相似度；fcos：模糊加权余弦相似性；fcor：模糊加权相关相似性；fadj：模糊加权修正余弦相似性；

步骤三，由步骤二得出的相似度，再根据k-means算法和分类个数kcluster对所有用户进行分类；

步骤四，选取用户U_i所在的类index；确定用户的最近邻居集s(U_i)；

步骤五，然后利用r_i,c计算预测评分；

ri,c=ri‾+ΣUj∈S(Ui)sim(Ui,Uj)×(rjc-rj‾)ΣUj∈S(Ui)sim(Ui,Uj)]]>

r_i,c：用户U_i对项目I_c的评分；用户U_i的平均评分；s(U_i)：用户U_i的最近邻居集；U_j表示用户j，r_jc表示用户j对项目C的评分；s(U_i)的更新方法包括：

第一步，对用户U_i与所在的类index中的其它用户按照相似度大小降序排列；并与对目标项目I_c评分不为0的用户集USER_c中用户求交集组成用户群q(U_i)；

第二步，若|q(U_i)|≥knear，取q(U_i)中前knear个用户组成s(U_i)；

第三步，当0＜|q(U_i)|≤knear时，则s(U_i)为q(U_i)；

第四步，当|q(U_i)|＝0时，对用户U_i与所有用户U按照相似度大小降序排列；并与USER_c中用户求交集组成新用户群q(U_i)；

第五步，若|q(U_i)|≥knear，取q(U_i)中前knear个用户组成s(U_i)；

第六步，当0＜|q(U_i)|≤knear时，则s(U_i)为q(U_i)；

第七步，当|q(U_i)|＝0时，对用户集USER_c按照相似度大小降序排列，取前knear个用户作为s(U_i)；如果0＜|USER_c|≤knear，取|USER_c|个用户组成s(U_i)；否则|USER_c|＝0，则s(U_i)为空集；

步骤六，循环步骤四和五直到对测试集中的所有用户的评分都进行了预测。