[发明专利]一种融合内容和AHP的混合推荐方法

说明书

本发明公开了一种融合内容和AHP的混合推荐方法，包括利用余弦相似度的协同过滤算法找出相似用户；利用基于AHP层次分析法产生推荐结果；当面临新用户或新物品进行推荐时，再利用基于内容的推荐算法产生推荐结果。本发明采用级联的方式将两种推荐算法进行混合，在一定程度上缓解了用户的冷启动问题、物品冷启动问题及数据稀疏问题，克服了单一算法的局限性；本发明相较于传统的基于用户和基于物品的推荐算法，该方法能够有效提高推荐结果的准确度，从而提升推荐质量；将时光网中的电影向用户进行个性化推荐，产生较为可靠的推荐结果，使用户能够快速地找到心仪的电影，提升用户参与的积极性。

技术领域

本发明属于信息推荐系统的技术领域，尤其涉及一种融合内容和AHP的混合推荐方法。

背景技术

信息以爆炸的方式迅速增长即给人们带来了便利，其中不乏很多有益信息被无用的信息覆盖掉。对用户来说，如何从如此大量的信息中找到自己喜爱的信息，作为网络服务内容的提供方，怎样让网络服务信息内容更好呈现到用户面前，让用户喜欢这些内容，是一件较为困难的事情。为了弥补这一领域的空缺，很多公司开始开发推荐系统，推荐系统将会结合用户的喜好，去网络服务中寻找那些符合用户喜好的信息，将他们呈现给用户。搜索引擎的出现，能让用户能够根据关键字来搜寻自己喜欢的内容。然而，用户的知识是有限的，如果用户喜欢的东西但之前没有接触过的话，用户也无法输入这样的关键词，因此搜索引擎对于这样的情况就无能为力了。为了解决用户喜欢但他喜欢的东西可能不在用户的知识范围之内这个问题，推荐系统应运而生。

互联网信息的爆炸性增长是当今时代蓬勃发展的标志，但如今信息数据量增长速度之快已经大大超出了人们的接受范围，信息过载现象严重，如何获取用户真正关注的信息成为人们的难题之一。

发明内容

基于以上现有技术的不足，本发明所解决的技术问题在于提供一种融合内容和AHP的混合推荐方法，将时光网中的电影向用户进行个性化推荐，产生较为可靠的推荐结果，使用户能够快速地找到心仪的电影，提升用户参与的积极性。

为了解决上述技术问题，本发明通过以下技术方案来实现：本发明提供一种融合内容和AHP的混合推荐方法，包括：

S1、利用余弦相似度的协同过滤算法找出相似用户；

S2、利用基于AHP层次分析法产生推荐结果；

S3、当面临新用户或新物品进行推荐时，再利用基于内容的推荐算法产生推荐结果。

进一步的，所述步骤S1中，评分矩阵中的一行向量代表一个用户，设向量分别为A、B，元素值是用户对产品的评分值，0值代表用户对该产品没有评分，两个向量A、B之间的夹角余弦值代表这两个用户之间的相似度。

进一步的，所述步骤S2具体包括以下步骤：

步骤S21、建立问题模型：建立目标层、准则层、方案层三层模型，来定量分析抽象而主观的决策问题；

步骤S22、构建比较矩阵；

步骤S23、检验矩阵的一致性；

步骤S24、计算矩阵权向量。

进一步的，在步骤S22中，采用1—9量化指标构建比较矩阵，来量化因素之间的重要程度；通过评价因素两两之间的相对重要程度，来得到某一决策问题的影响因素相对于解决该问题的权重；通过对全局的统筹把握，决策人对比两两因素之间的重要性，以此划分为同等重要、稍微重要、明显重要、强烈重要和极其重要共五个等级。

进一步的，在步骤S23中，利用CI反应比较矩阵偏离一致性的程度，CI值越大，表示该矩阵偏移一致性程度越大，反之越小，其计算公式如下：

其中，λ_max为比较矩阵A的最大特征根，n为比较矩阵的阶数。