[发明专利]一种基于中介真值程度度量和用户的协同过滤推荐方法

权利要求书

1.一种基于中介真值程度度量和用户的协同过滤推荐方法，其特征在于，包括以下步骤：

步骤1，用户兴趣相似度计算：

检索整个训练集记录各物品被购买的次数，按从大到小排序，根据推荐物品数n选择前F/n个物品组成热门物品集G′，0F/n0.05F，F表示训练集中物品总数，根据用户曾经有过正反馈的物品集得到共有物品集S，

S＝N(i)∩N(j)，

其中，N(i)表示用户i曾经有过正反馈的物品集，N(j)表示用户j曾经有过正反馈的物品集；

将热门物品集G′引入，得到去除热门物品后的用户反馈数据集：

N(i)′＝N(i)-N(i)∩G′

N(j)′＝N(j)-N(j)∩G′

建立物品到用户的倒查表：

C[i][j]＝|N(i)′∩N(j)′|

若用户i，j同时属于倒查表中M₁个物品对应的用户列表，则令C[i][j]＝M₁，

通过改进的余弦相似值公式计算用户i和j的兴趣相似度：

步骤2，基于中介真值程度度量的评分相似程度计算：

用户i和j对物品对象的评分是n₁～n₂之间的任意一个正整数值，记谓词P(x(i,j))表示待考察的用户i与j对物品对象评分相同，表示N(i)与N(j)相异，～P(x(i,j))表示i与j介于相同相异之间，通过计算距离比例函数h_Tg(x(i,j))得到用户i与j对物品g评分的相似程度；

根据用户对物品的评分得到相对评分f(x(i,j))：

f(x(i,j))＝|Q_ig-Q_jg|；

其中，Q_ig为用户i对物品g的评分，Q_jg为用户j对物品g的评分；

在数轴上y＝f(x(i,j))以～P为对称中心，左右分别为P和的取值为[0,n₂-n₁]；

y＝f(x(i,j))的值落在三个值域(α_r+ε_r,α_l-ε_l),(0,α_r+ε_r),(α_l-ε_l,n₂-n₁)内，～P(x(i,j))的区域为(α_r+ε_r,α_l-ε_l)，P(x(i,j))的区域为(0,α_r+ω_r)，的区域为(α_l-ε_l,n₂-n₁)，P(x(i,j))的真值为1，的真值为0；

相对于P(x(i,j))的距离比例函数：

其中，

其中，通过距离比例函数h_Tg(x(i,j))的计算，得到用户i与j对物品对象g评分的相似程度；

遍历共有物品集S，将用户i与j所有共有物品对象评分的相似程度求和，再除以共有物品集S的大小n，得到综合评分相似程度h_Tn(x(i,j))：

步骤3，推荐结果依据综合评分相似程度由小到大排序选择邻居对象。

2.根据权利要求1所述基于中介真值程度度量和用户的协同过滤推荐方法，其特征在于：遍历训练集抽取数据组成用户-物品集和用户-物品-评分集，计算用户与其他用户之间的用户兴趣相似度，选择相似度在前2K的用户作为该用户的邻居用户集M，K为推荐用户数。

3.根据权利要求2所述基于中介真值程度度量和用户的协同过滤推荐方法，其特征在于：遍历邻居用户集M，从用户-物品-评分集中提取出邻居用户集中对应的用户-物品-评分，计算出相对评分，计算候选用户的物品评分相似程度，最后计算得出用户的综合物品评分相似程度。

4.根据权利要求3所述基于中介真值程度度量和用户的协同过滤推荐方法，其特征在于：根据推荐用户数K，依据综合物品评分相似程度由小到大排序选择邻居用户对象。

5.根据权利要求1所述基于中介真值程度度量和用户的协同过滤推荐方法，其特征在于：P(x(i,j))所代表的区域占20％，所代表的区域占50％，～P(x(i,j))所代表的区域占30％。