[发明专利]一种基于混合兴趣相似度的协同过滤推荐方法

权利要求书

1.一种基于混合兴趣相似度的协同过滤推荐方法，其特征在于：

在系统中记录用户的历史评分记录，首先提取用户特征属性以及物品特征属性；推荐系统新加入的用户数据为空，根据用户特征属性计算出用户相似性进行推荐，随着用户对物品评分数量上升，此时用户与用户之间共同评分物品数量过少，则根据物品相似性间接求得用户兴趣相似性，当用户之间共同评分物品数量增加到预设值时则直接根据用户之间共同评分的物品进行计算用户相似性；用户兴趣相似性根据全面考虑用户对物品的评分从评分距离值、贡献值和奇异值三个因素进行计算；最后通过使用sigmoid函数融合三种用户兴趣相似性寻找目标用户的相似用户从而预测出用户对未评分物品的评分，选取TOP-N物品列表完成推荐，包括以下参数：

用户特征属性向量Attr_user＝(a_u1,a_u2,...,a_un)，物品特征属性向量表示为Attr_item＝(a_i1,a_i2,...,a_in)；r_u,p表示用户u给物品p的评分；μ_p表示所有用户给物品p进行评分的平均值；r_med表示系统中对评分值的中值；sim(i,j)表示物品i和j之间的相似度；r_up表示预测用户u对物品p的评分；r_k,p表示用户k对物品p的评分；其具体方法步骤为：

(1)通过日志数据系统，获取用户对各个物品的兴趣信息，根据设定的评分原则，建立各用户对所有物品的评分矩阵；

(2)根据评分矩阵计算每个用户对物品的平均评分，将用户特征属性和物品特征属性用向量表示；

(3)新用户进入系统时没有历史数据，获取用户属性特征向量计算用户之间相似度sim_attr(u,v)；

(4)根据两个用户对物品的评分求出两者在评分上的距离值，计算公式如下

(5)根据两个用户对物品评分与评级系统中间值的差距得出一组评分的贡献值，计算公式如下：

(6)为判断一组评分是否为奇异值，根据这组评分与所有评分的平均值进行对比，计算公式如下：

(7)结合步骤(4)(5)(6)三个因素得到用户兴趣相似度，计算公式如下：

sim_spa(u,v)＝∑_p∈Uproximity(r_u,p,r_v,p)×significance(r_u,p,r_v,p)×singularity(r_u,p,r_v,p)；

(8)新用户进入系统中，由于没有任何数据，采取步骤(3)寻找相似用户；

(9)当目标用户与其他用户之间共同评分物品的数目低于预设值时，通过计算物品之间的相似度结合步骤(7)得到稀疏时用户之间的兴趣相似度sim_spa；

(10)随着用户之间共同评分数目高于预设值时，其相似度sim_den通过用户之间共同评分的物品进行计算；

(11)将三种相似度进行融合得到最终混合相似度，计算公式如下:

sim_final(u,v)＝αsim_attr(u,v)+βsim_spa(u,v)+λsim_den(u,v)；

λ＝1-α-β；

(12)由步骤(11)计算出用户之间的兴趣相似度，最后预测出用户对未评分的物品的评分，如下：

(13)选取预测评分最高的前N个物品给推荐用户，算法结束。