[发明专利]一种基于社区发现的协同过滤方法

摘要

本发明公开了一种基于社区发现的协同过滤方法，包括以下步骤1)将用户—项目网络转换为邻接矩阵形式，如果用户对项目评分，那么对应于矩阵的相应元素就存在值，即评分数据；2)构造用户—用户矩阵，用户—用户矩阵中的元素为用户与用户的相似度，相似度的计算方法采用新型的基于Pearson的相似度计算方法；3)基于用户—用户矩阵通过社区发现方法发现社区结构，并对用户—项目矩阵中的部分缺失评分进行预测填充；4)计算目标用户与社区之间以及用户与用户之间的相似度关系构造最近邻候选集，并完成推荐。该方法有效的解决了传统过滤算法中的冷启动问题，通过改进相似度计算公式以及对缺失评分的预测填充有效提高了算法推荐的精度，在平均绝对误差上也有着更好的表现。

主权项

一种基于社区发现的协同过滤方法，其特征在于：包括以下步骤：1)将用户—项目网络转换为邻接矩阵形式，如果用户对项目评分，那么对应于矩阵的相应元素就存在值，即评分数据；2)构造用户—用户矩阵，用户—用户矩阵中的元素为用户与用户的相似度，相似度的计算方法采用新型的基于Pearson的相似度计算方法；3)基于用户—用户矩阵通过社区发现方法发现社区结构，并对用户—项目矩阵中的部分缺失评分进行预测填充；4)计算目标用户与社区之间以及用户与用户之间的相似度关系构造最近邻候选集，并完成推荐；在步骤2)中，利用用户—项目网络构造用户—用户网络，用户—用户网络所对应的用户—用户邻接矩阵中的元素为用户之间的相似度，将新的相似度计算公式命名为Pearsimilarity，其具体的计算方法如下：simsenti(ui→,uj→)=(1-Σt∈Iui∩Iuj(ruit-rujt)2/Σt∈Iui∩IujCmax2)]]>simCF(ui→,uj→)=Σt∈Iui∩Iuj(ruit-rui‾)(rujt-ruj‾)Σt∈Iui∩Iuj(ruit-rui‾)2Σt∈Iui∩Iuj(rujt-ruj‾)2]]>Pearsimilarity(ui→,uj→)=(1-α)×simCF(ui→,uj→)+α×simsenti(ui→,uj→)]]>其中，表示的是用户i与用户j的评分向量，Iui与Iuj分别表示用户i与用户j评分项目的集合，与表示用户i与用户j对项目t的评分情况，α为控制参数，控制相似度公式对数据敏感性的要求，Cmax表示用户评分区间的最大值。