[发明专利]一种个性化产品服务方案推荐方法

说明书

本发明公开了一种个性化产品服务方案推荐方法，涉及个性化推荐技术领域，根据历史数据分别计算用户间与方案间的偏好相似度和评分相似度。其次，充分考虑系统内用户间的相互关系、方案间的相互关系，以及时间对用户偏好的影响，分别在偏好相似度计算和评分相似度计算过程中引入信任权重和时间权重，并将用户间与方案间的偏好相似度与评分相似度进行组合，以找出具有最高相似性的近邻。然后，利用最近邻居集预测目标用户对相应方案所缺失的评分。最后，根据预测评分选取最优方案推荐给用户。本发明方法使得在对目标用户进行推荐方案的预测时可以降低数据稀疏性和冷启动的影响，提高了推荐精度。

技术领域

本发明涉及个性化推荐技术领域，更具体的说是涉及一种个性化产品服务方案推荐方法。

背景技术

产品服务系统逐渐成为制造企业转型升级的主要方向，针对产品服务系统的研究逐渐成为产业界的热点。但与此同时，制造企业也面临着如何快速根据用户需求向其提供个性化产品服务集成方案的挑战，针对此问题，部分学者对产品服务系统的模块化设计进行了研究。

协同过滤作为个性化推荐技术的常用方法，已被广泛应用于各类推荐系统。虽然协同过滤技术在个性化推荐方面已取得了较大成功，但仍存在以下两个主要问题：(1)冷启动：新加入平台的用户或方案没有历史使用数据，进而导致无法对其进行相似度计算；(2)数据稀疏性：用户通常只对一小部分方案进行评分，进而导致两个用户或项目间在系统中没有共同评分项，无法进行相似性计算。鉴于上述解决冷启动与数据稀疏性的方法，本发明分别从用户与项目两个维度入手，提出了基于信任度与遗忘函数的混合推荐方法。

发明内容

有鉴于此，本发明提供了一种个性化产品服务方案推荐方法，在偏好相似度计算和评分相似度计算中引入信任度和时间遗忘权重，同时综合考虑用户和方案的组合相似度，使得在对目标用户进行推荐方案的预测时降低数据稀疏性和冷启动的影响，提高推荐精度。

为了实现上述目的，本发明采用如下技术方案：一种个性化产品服务方案推荐方法，具体包括如下步骤：

根据用户历史偏好数据计算偏好相似度；

在所述偏好相似度中融合信任度权重，得到最终偏好相似度；

根据用户历史评分数据计算评分相似度；

在所述评分相似度中融合时间遗忘函数，得到最终评分相似度；

将所述最终偏好相似度和所述最终评分相似度拟合，得到组合相似度，进而寻找用户或方案的Top-N近邻；

通过所述组合相似度预测目标用户对项目的评分，比较评分大小，为所述目标用户推荐方案。

优选的，所述偏好相似度包括用户间偏好相似度和方案间偏好相似度，其中，所述用户间偏好相似度利用皮尔森相关系数计算，具体计算公式如下：

其中，p1表示用户U₁与用户U₂共同使用过的方案数，e_1,i表示用户U₁使用方案S_i的次数，表示用户U₁使用所有PSS方案的平均次数，e_2,i表示用户U₂使用方案S_i的次数，表示用户U₂使用所有PSS方案的平均次数；

所述方案间偏好相似度的计算公式为：