[发明专利]一种基于混合协同过滤的影视推荐方法

说明书

本发明涉及一种基于混合协同过滤的影视推荐方法。本发明首先采集MovieLens数据集中用户对项目的评分并形成用户‑项目评分矩阵；对用户‑项目评分矩阵进行缺失值填充处理，通过计算项目之间的相似度来预测评分矩阵中评分值为0的元素的评分值，将预测得到的评分值填充到矩阵中；使用调整后的余弦相似度计算用户之间和项目之间的相似性，分别得到最近邻集合，进而分别计算用户对未评分项目的预测评分值；通过自适应权重将基于用户和基于项目的预测评分值进行有效的结合，进而形成综合推荐。本发明能缓解因评分矩阵稀疏而导致的性能过低问题，使用自适应权重来有效地结合基于用户的预测结果和基于项目的预测结果，来缓解冷启动问题。

技术领域

本发明涉及影视推荐领域，尤其涉及一种基于混合协同过滤的影视推荐方法。

背景技术

随着互联网技术的迅速发展，人们发送和接收信息的方式愈发简便，在互联网环境中传播的信息量暴涨，导致人们在较短时间内无法或很难找到他们所需要的信息，针对这个问题有两种常见的解决方法，即分类搜索和查找搜索。然而，大多数用户不知道他们明确的需求，并不能准确的获取自己想要的信息。个性化推荐系统可以通过推荐算法发现不同用户的需求，对用户实现一对一的个性化推荐服务。例如，Facebook根据朋友推荐您可能认识的人，淘宝网可以根据购买过的产品和浏览记录提供新的产品推荐，在线教育服务可以根据个人需求向用户精准推荐学习资源。

信息过滤技术是实现个性化推荐的常用手段，在找到用户特征后向其推荐有较高特征相似性的项目(影视作品，音乐，刊物，朋友，新闻，网页等)。除了协同过滤算法，一些学者还将K近邻方法应用于推荐系统，K近邻方法通过评估项目之间或用户之间的关系从而给出推荐结果，从某种意义上讲，它是通过将用户视为已评分项目的集合来将用户转换到项目空间。

然而，传统的协同过滤仍然存在一些问题，是否可以使用一些方法来克服这些不足并提出改进的推荐算法是研究人员关注的问题。针对以上问题，提出了一种基于自适应权重的混合协同过滤推荐算法。

发明内容

本发明提供了一种基于混合协同过滤的影视推荐方法，以解决影视推荐方法中的现有协同过滤推荐算法中的冷启动和评分矩阵稀疏等问题，基于自适应权重的混合协同过滤推荐模型能够很好的解决数据稀疏和冷启动问题。

本发明的技术方案是：一种基于混合协同过滤的影视推荐方法，所述基于混合协同过滤的影视推荐方法的具体步骤如下：

Step1、采集用户对项目的评分数据形成用户-项目评分矩阵；

Step2、使用基于项目的评分预测方法对用户-项目评分矩阵所代表的训练集进行填充；

Step3、采用基于用户的评分预测方法对测试集中目标用户未评分项目的评分值进行预测；

Step4、采用基于项目的评分预测方法对测试集中目标用户未评分项目的评分值进行预测；

Step5、采用自适应权重将基于用户和基于项目的预测评分值进行有效的结合；

Step6、采用MAE和RMSE来对预测效果进行评价；

进一步地，所述步骤Step1中，所述采集用户对项目的评分数据形成用户-项目评分矩阵包括：采集MovieLens数据集中m个用户对n个项目的评分值并分为测试集和训练集，测试集中数据形成用户-项目评分矩阵。

进一步地，所述步骤Step2中，所述使用基于项目的评分预测方法对用户-项目评分矩阵所代表的训练集进行填充包括：

找到用户u与用户v评价过的项目集合的并集为I_u，v；

用户v在集合I_u，v中没有评价过的项目集合为N_v；