[发明专利]一种基于用户对项目类评分的协同过滤方法

说明书

本发明公开了一种基于用户对项目类评分的协同过滤方法，该方法提出在特征矩阵的基础上引入对项目类的评分，根据用户主观评分高低得出用户在访问次数的基础上对项目类的偏好，即用户的真实喜好；根据用户的真实喜好并结合评分相似度得出用户的最终相似度。在真实数据集上的测试验证，在用户特征矩阵中引入评分能够更加准确的反应用户偏好，预测用户真实评分，提高推荐系统的准确性。本方法解决了现有方法存在的只是根据用户客观行为识别用户兴趣偏好，不能从用户主观方面真实反映用户偏好的缺陷，从而有效提高推荐系统的质量。

技术领域

本发明涉及一种推荐方法，具体涉及一种基于用户对项目类评分的协同过滤方法，该算法用于从用户真实兴趣偏好为出发点为用户做推荐。

背景技术

目前，协同过滤推荐方法是推荐系统中应用最广泛、最成功的推荐技术之一。它是基于用户兴趣，在用户群中找到指定用户的相似用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度的预测。它是根据用户的个人信息以及用户的历史反馈建立用户个人的兴趣模型，进而为每个用户针对性的推荐其感兴趣的信息。

协同过滤方法可以分为基于用户和基于物品的协同过滤推荐方法。基于用户的推荐方法是通过计算用户之间的相似度，根据用户相似度的大小找出与目标用户最相似的用户群，最后根据相似用户群预测用户感兴趣的物品。基于物品的协同过滤算法是计算物品之间的相似度，根据物品相似度找出与目标用户已交互过的物品的最相似物品群，最后在相似物品群中为目标用户推荐。现有的基于用户相似度的推荐算法是从用户评分相似度和用户偏好相似度两方面计算，在计算用户兴趣偏好相似度时，一般是根据用户访问次数来判断用户偏好的。

通过用户个人信息以及用户的历史反馈信息建立用户个人的兴趣模型，进而为每个用户针对性的推荐其感兴趣的信息；在这样的大环境下，目前的推荐方法中对用户真实兴趣偏好的分析有所偏差。从用户访问项目类次数来判断用户偏好的协同过滤方法存在的缺陷有：1)仅仅根据访问次数来分析用户的兴趣是不全面的。2)用户对项目类的评分高低没有充分的利用。

发明内容

本发明的目的是提供一种基于用户对项目类评分的协同过滤方法，在分析用户兴趣时更准确反应用户的真实兴趣偏好，从而提高推荐系统的质量。

为了实现上述任务，本发明采用以下技术方案：

一种基于用户对项目类评分的协同过滤方法，包括以下步骤：

步骤一，针对用户集合U中的任意的用户u_i和用户u_j，按照以下方法计算用户u_i和用户u_j总相似度：

步骤S10，对用户u_i访问的项目的特征类进行整理提取，再把用户u_i对项目的评分映射为用户u_i对对应特征类的评分，得出用户u_i对特征类的评分表；

步骤S11，统计用户u_i对某一特征类t的访问次数c_i,t和用户u_i访问过的项目总数|I_i|，并按公式1计算用户u_i对所述特征类t的感兴趣程度Q_i,t：

步骤S12，计算用户u_i对项目的平均评分并统计出用户u_i在特征类t中评分中大于平均评分的个数n_i,t，通过公式2计算出用户u_i在特征类评分的因素上对特征类的偏好程度P_i,t：