[发明专利]一种融合物品标签信息的协同过滤推荐方法及系统

说明书

本发明公开了一种融合物品标签信息的协同过滤推荐方法及系统，涉及融合物品标签信息的协同过滤推荐领域；包括：依据物品i与物品j的评分数据，以及物品i与物品j的标签信息、计算物品i与物品j的相似度、进行个性化推荐；一种融合物品标签信息的协同过滤推荐系统，包括：数据输入模块、相似度计算模块和个性化推荐模块；数据输入模块，输入物品i与物品j的评分数据，以及物品i与物品j的标签信息；相似度计算模块，计算物品i与物品j的相似度；个性化推荐模块，判定两个物品间的共同评分数是否大于人数门限值，选取合适的推荐策略。实现适合所有的推荐场景，当共同评分数据极少时，保证了根据相似度公式计算出来的相似近邻准确性和可靠性。

技术领域

本发明涉及融合物品标签信息的协同过滤推荐领域，尤其是一种融合物品标签信息的协同过滤推荐方法及系统。

背景技术

近年来，互联网和移动互联网发展的如火如荼，物联网时代也在悄然布局，数据和信息的增长速度呈爆炸之势，高速的信息膨胀使致使人们进入信息过载的时代。如今，知识的海洋如此广袤漫无边际，如何从中准确高效地获取我们想要的数据成为了重要难题。搜索引擎为解决信息过载带来的数据获取难题提供了行之有效的解决方法，用户可以通过搜索关键字准确获取自己想要的数据。但是搜索引擎的使用需要用户为要获取的数据做出准确的定义，在很多应用场景下，用户并不能提供准确的关键字，或者用户根本不知道自己的具体需求是什么，只是想获取自己感兴趣的信息，搜索引擎并不能满足用户日益增长的需求，因此推荐系统应运而生。

推荐系统持续发展，用户数与项目数飞速扩张，这种情况下会产生庞大的用户评分矩阵，计算机的存储压力和计算压力骤增，协同过滤作为推荐系统领域的主流算法，受到了数据稀疏性问题(Sparsity)、冷启动问题(Cold Start)和可扩展性问题(Scalability)的严重阻挠，这三个问题成为了推荐系统应用的主要瓶颈。

发明内容

本发明的目的在于克服现有技术的不足，提供一种融合物品标签信息的协同过滤推荐方法及系统，实现适合所有的推荐场景，当共同评分数据极少时，保证了根据相似度公式计算出来的相似近邻准确性和可靠性。

本发明的目的是通过以下技术方案来实现的：一种融合物品标签信息的协同过滤推荐方法，他具体包括如下步骤：

S001输入物品i与物品j的评价数据以及标签信息；

S002计算物品i与物品j的相似度：通过判定物品i与物品j的同时被评价次数选择计算物品相似度的方式；

S003进行个性化推荐：判定两个物品间的共同评分数是否大于人数门限值选择融合物品标签信息的方式。

进一步的，所述的S002计算物品i与物品j的相似度，具体为：

相似度计算方式选择：判定物品i与物品j的同时被评价次数是否超过阈值，若是使用传统的相似度计算方式进行计算，反之采用动态权重混合相似度计算方式进行计算。

进一步的，所述的传统的混合相似度计算方式，具体为：

sim(i,j)＝αsim_tag(i,j)+(1-α)sim_cf(i,j)，其中sim_tag(i,j)表示的意义是物品i与物品j之间的标签相似度，sim_cf(i,j)表示的意义是物品i与物品j之间的协同过滤相似度，α是权重调节参数；

所述的I_i表示物品i的标签数量，I_j表示物品j的标签数量，标签相似度的含义就是两个物品标签的交集除以两个物品标签的并集。

进一步的，所述的α，在物品比较冷门适度加大α参数值，提高标签相似度的权重，反之如果物品比较热门，减小α参数值，从而提高协同过滤相似度的权重。

进一步的，所述的动态权重混合相似度计算方式，具体为：