[发明专利]一种层叠组合协同过滤推荐方法

权利要求书

1.一种层叠组合协同过滤推荐方法，其特征在于，具体按照以下步骤实施：

步骤1，构建用户-项目评分矩阵；

步骤2，计算用户之间的相似性，

步骤3，查找目标用户的最近邻居，

步骤4，对目标用户a进行预测评分，

步骤5，填充步骤1中建立的原始用户-项目评分矩阵R，

步骤6，计算项目之间的相似性，

步骤7，查找目标项目的最近邻居，

步骤8，对目标用户a进行预测评分，

步骤9，产生推荐物品列表。

2.根据权利要求1所述的层叠组合协同过滤推荐方法，其特征在于，所述的步骤1具体为，

步骤1.1，获取用户喜好数据，用户喜好数据是以UserID、ItemID、Preference为元组的数据集；用户喜好数据包括用户的编号、项目的编号、用户对项目的兴趣偏好值，

步骤1.2，对通过预处理将无用数据过滤、数据类型转换和数据格式统一，按照推荐要求处理数据，将其转化为一个维度为m×n的初始用户评分数据矩阵R，

其中，m表示矩阵R中用户的数量，n表示项目的数量，R_ij(1≤i≤m，1≤j≤n)表示用户i对项目j的喜好值，如果用户i没有对项目j进行评分，则R_ij＝0。

3.根据权利要求1所述的层叠组合协同过滤推荐方法，其特征在于，所述的步骤2具体为，

设集合U＝{u₁,u₂,u₃,…u_m}表示矩阵R中的所有用户，待推荐的目标用户a不在集合U中，

步骤2.1，从集合U中取出其中一个用户u_i，查找出目标用户a与用户u_i有共同评分的项目的集合；

步骤2.2，按照公式(2)计算方法计算出目标用户a与用户u_i的兴趣相似性sim(a,u_i)；最后重复前两步骤，直到集合U中所有用户完成与目标用户a的相似度计算，目标用户a与用户u_i的兴趣相似性sim(a,u_i)计算公式如下：

其中，sim(a,u_i)表示目标用户a与用户u_i的兴趣相似性，分别表示用户a和用户u对相同已评分项目的评分平均值；R_a,i和R_u,i分别表示用户a和用户u对相同项目的评分值，sim(a,u_i)∈[0,1]相似性公式的计算值越大说明用户之间或者项目之间越相似。

4.根据权利要求1所述的层叠组合协同过滤推荐方法，其特征在于，所述的步骤3具体为，对步骤2中计算所得到目标用户a与用户u_i的相似度按照从大到小的顺序进行排序，依次取出其中的k个相似度，即，sim(a,u₁),sim(a,u₂),...sim(a,u_k)；

则它们之间的相似性大小关系为：

sim(a,u₁)≥sim(a,u₂)≥...sim(a,u_k) (3)

所以，与这k个相似度分别对应的用户u₁，u₂，…，u_k构成了目标用户a的最近邻居用户集合U_nearest，即：

U_nearest＝{u₁,u₂,…,u_k} (4)。