[发明专利]基于电子商务网站数据挖掘的混合推荐系统的设计方法

权利要求书

1.一种基于电子商务网站数据挖掘的混合推荐系统的设计方法，其特征在于，包括以下步骤：

(1)对原始数据进行预处理并获取算法所需要的相关数据；

(2)采用基于隐因子模型算法与基于物品的协同过滤算法相混合的方式推荐算法；

(3)采用准确率，召回率和覆盖率三个指标来对推荐的算法进行测评。

2.根据权利要求1所述的基于电子商务网站数据挖掘的混合推荐系统的设计方法，其特征在于，所述步骤(1)具体为：对数据进行多维度分析，获得原始数据的内在规律，发现与分析目标无关或模型需要处理的数据，针对此类数据进行数据去重、数据变换和数据分类的处理。

3.根据权利要求1所述的基于电子商务网站数据挖掘的混合推荐系统的设计方法，其特征在于，所述步骤(2)具体包括以下子步骤：

(21)建立用户-物品相似度矩阵；

(22)建立物品相似度矩阵；

(23)基于物品的协同过滤算法根据用户的历史喜好，推荐相似的物品给目标用户；

(24)基于隐因子模型算法挖掘出用户隐含的兴趣进行推荐。

4.根据权利要求3所述的基于电子商务网站数据挖掘的混合推荐系统的设计方法，其特征在于，所述步骤(21)用户-物品相似度矩阵中，横坐标代表用户，纵坐标代表物品，矩阵中的数字代表用户评分，其中0代表用户对该物品不满意，1代表未浏览过该物品，2代表用户对该物品满意。

5.根据权利要求3所述的基于电子商务网站数据挖掘的混合推荐系统的设计方法，其特征在于，所述步骤(23)具体为：分析用户与物品的数据集，通过用户对物品的浏览与否找到相似的物品，然后根据用户的历史喜好，推荐相似的物品给目标用户；假设用户为U_i(i＝1,2,3,…,n)物品M_j(j＝1,2,3,…,m)，则基于物品的协同过滤算法主要分为两步：

第一步，对于目标用户U_i及其带评分的物品M_j，根据用户对物品的历史偏好数据，计算物品M_j与其他已评分物品之间的相似度Sim(j,i)，找到与物品M_j相似度高的物品集合N_u；其中，相似度M_u，i表示用户u对物品i的评分，表示用户u对他所浏览过的物品的平均打分；

第二步，根据所有物品集合N_u的评分情况，选出N_u中目标用户U_i可能喜欢的且目标用户没有浏览过的物品推荐给目标用户并预测评分，其中，r_uj表示用户u对网站j的喜好程度，r_u,i表示用户u对网站i的偏好程度，网站i是用户浏览过的网站。

6.根据权利要求3所述的基于电子商务网站数据挖掘的混合推荐系统的设计方法，其特征在于，所述步骤(24)具体为：获取用户u的兴趣向量P(u)；获取物品m的类别向量q(m)；利用计算用户对物品的喜好度，其中，r_um表示用户对物品的评分；p_uk度量了用户u的兴趣和第k个隐类的关系，q_km度量了物品m和第个k隐类的关系；根据喜好度进行降序排序，并输出前K个作为推荐。

7.根据权利要求1所述的基于电子商务网站数据挖掘的混合推荐系统的设计方法，其特征在于，所述步骤(3)具体为根据不同K值下召回率，准确率与覆盖率曲线，确定出综合指标最高的K值作为推荐系统对用户的推荐的物品条数。