[发明专利]基于子空间划分的推荐方法及系统

权利要求书

1.一种基于子空间划分的推荐方法，其特征在于，包括：

输入用户对物品的评分数据，评分数据包括用户集合U＝{u₁,u₂,...,u_n}、物品集合T＝{t₁,t₂,...,t_m}和用户评分矩阵R＝[r_ij]^n×m，其中n表示用户总数，m表示物品总数，r_ij表示用户u_i对物品t_j的评分值；

根据评分数据将物品划分至子空间，将用户评分矩阵R转化为子矩阵，定义子矩阵中的最大值和最小值，将最大值和最小值的平均值与用户u_i对物品t_j的评分值r_ij进行比较，并根据比较结果将物品t_j划分至子空间，子空间分别为高分子空间、平均分子空间和低分子空间；

在每个子空间中分别计算用户之间的共同评分支持度为和式中，T_i¹是用户u_i的高评分物品集合，是用户u_p的高评分物品集合，T_i²是用户u_i的平均评分物品集合，是用户u_p的平均评分物品集合，T_i³是用户u_i的低评分物品集合，是用户u_p的低评分物品集合；融合每个子空间的共同评分支持度得到总共同评分支持度为S(u_i,u_p)＝S¹(u_i,u_p)+S²(u_i,u_p)+S³(u_i,u_p)，式中，S¹(u_i,u_p)是共同高评分支持度，S²(u_i,u_p)是共同平均评分支持度，S³(u_i,u_p)是共同低评分支持度，根据所述总共同评分支持度筛选出近邻集；

根据所述近邻集获取目标用户对物品的评分预测值，并根据所述评分预测值向所述目标用户推荐物品，预测评分公式为式中，是目标用户u_i的评分均值，是用户u_i的近邻集，r_pj代表近邻用户u_p对物品t_j的评分大小。

2.根据权利要求1所述的基于子空间划分的推荐方法，其特征在于，根据评分数据将物品划分至子空间包括：

将用户评分矩阵R转化为子矩阵，定义子矩阵中的最大值为r_max，子矩阵中的最小值为r_min，根据用户u_i对物品t_j的评分大小，将物品t_j划分至子空间。

3.根据权利要求2所述的基于子空间划分的推荐方法，其特征在于，子矩阵的大小均是n×m。

4.根据权利要求3所述的基于子空间划分的推荐方法，其特征在于，将用户评分矩阵R转化为子矩阵，定义子矩阵中的最大值为r_max，子矩阵中的最小值为r_min，根据用户u_i对物品t_j的评分大小，将物品t_j划分至子空间包括：

定义子空间分别为高分子空间、平均分子空间和低分子空间；

若则将物品t_j划分至高分子空间；

若则将物品t_j划分至平均分子空间；

若则将物品t_j划分至低分子空间。