[发明专利]一种基于用户多兴趣的推荐方法

说明书

本发明公开了一种基于用户多兴趣的推荐方法，其特征在于：在确定目标用户可信任邻居用户过程中，提出用户多属性融合的邻居筛选方法；根据用户‑项目中已评分的数据，构建用户多兴趣画像；提出基于多兴趣画像与多属性融合相似性加权的评分预测方法；提出一种用户多兴趣四元组模型，跟传统推荐相比，本发明推荐结果更加契合用户多兴趣的特点，推荐结果具有多样性；用户多属性融合相似度邻居选择，一点程度上，解决了冷启动问题；跟传统协同过滤算法比较，准确率提高。

技术领域

本发明涉及一种基于用户多兴趣的推荐方法。

背景技术

推荐是指根据用户的数据和行为为用户推荐可能感兴趣的产品。个性化推荐是互联网服务时代一个重要的研究领域。目前，推荐技术已广泛应用于电子商务、社交网络等众多领域。信息技术的发展、数据的快速增长，使传统推荐算法面临巨大挑战。兴趣的多样化是一个普遍存在的事实。而人们兴趣的多样化决定了在推荐算法领域，推荐结果的多样化是非常重要的。本文以此为切入点，研究用户多兴趣推荐算法。通常情况下，推荐结果往往是将评分高的物品推荐给用户，或者是将和用户喜好物品相似度较高的物品推荐给用户。然而，在很多领域场景中，用户的需求是，在尽可能多的品类中推荐较喜欢的物品，即满足用户的多兴趣。

传统的推荐算法推荐的结果是往往单兴趣的。传统的推荐算法是对根据寻找目标用户的邻居用户兴趣度较高的物品，也就是说，默认约定了邻居用户和目标用户具有相同的爱好兴趣。这种情况下，如果目标用户的邻居用户兴趣单一，目标用户兴趣广泛，那根据此邻居用户预测该目标用户的喜好，误差会是比较大的。

发明内容

本发明的目的在于克服现有技术中存在的上述不足，而提供一种可以实现用户多兴趣推荐以及用户多属性与项目分类的多兴趣推荐功能的基于用户多兴趣的推荐方法。

本发明解决上述问题所采用的技术方案是：基于用户多兴趣的推荐方法，其特征在于：在确定目标用户可信任邻居用户过程中，提出用户多属性融合的邻居筛选方法；根据用户-项目中已评分的数据，构建用户多兴趣画像；提出基于多兴趣画像与多属性融合相似性加权的评分预测方法；提出一种用户多兴趣四元组模型，具体步骤如下：

步骤1.用户多兴趣模型表示为：(R,I,C,P)四元组，R为用户物品评分集合，I表示用户-物品喜好集合，C表示物品-类别集合，P表示用户-类别集合；

步骤2.R为用户物品评分集合，R＝(R₁,R₂,…,R_n)^T，n表示有n个用户，若0<i<＝n，R_i表示第i个用户的用户评分信息，每个用户评分信息表由许多对物品的评分组成，R_i＝(R_i1,R_i2,…,R_im)，m表示m个物品。矩阵R中R_ij的数值表示用户u_i对物品v_j的评分，记评分值为score，一般情况约定1<＝score<＝5，1代表不喜欢，5代表非常喜欢，-1代表没有评分；

步骤3.I表示用户-物品喜好集合，I_il(1<＝i<＝n,1<＝l<＝j)的数值表示喜好程度，数值越大，表示越喜欢。其值为0或者1,0表示不喜欢，1表示喜欢；

步骤4.C表示物品-类别集合，代表了物品与物品类别的关系，元素的值表示是否所属该类，属于值为1，不属于值为0；

步骤5.P表示用户-类别集合，反映了用户和物品类别M之间的关系。也即用户画像；