[发明专利]一种基于用户多兴趣的推荐方法

摘要

本发明公开了一种基于用户多兴趣的推荐方法，其特征在于：在确定目标用户可信任邻居用户过程中，提出用户多属性融合的邻居筛选方法；根据用户‑项目中已评分的数据，构建用户多兴趣画像；提出基于多兴趣画像与多属性融合相似性加权的评分预测方法；提出一种用户多兴趣四元组模型，跟传统推荐相比，本发明推荐结果更加契合用户多兴趣的特点，推荐结果具有多样性；用户多属性融合相似度邻居选择，一点程度上，解决了冷启动问题；跟传统协同过滤算法比较，准确率提高。

主权项

1.一种基于用户多兴趣的推荐方法，其特征在于：在确定目标用户可信任邻居用户过程中，提出用户多属性融合的邻居筛选方法；根据用户‑项目中已评分的数据，构建用户多兴趣画像；提出基于多兴趣画像与多属性融合相似性加权的评分预测方法；提出一种用户多兴趣四元组模型，具体步骤如下：步骤1.用户多兴趣模型表示为：(R,I,C,P)四元组，R为用户物品评分集合，I表示用户‑物品喜好集合，C表示物品‑类别集合，P表示用户‑类别集合；步骤2.R为用户物品评分集合，R＝(R1,R2,…,Rn)T，n表示有n个用户，若0步骤3.I表示用户‑物品喜好集合，Iil(1<＝i<＝n,1<＝l<＝j)的数值表示喜好程度，数值越大，表示越喜欢，其值为0或者1,0表示不喜欢，1表示喜欢；步骤4.C表示物品‑类别集合，代表了物品与物品类别的关系，元素的值表示是否所属该类，属于值为1，不属于值为0；步骤5.P表示用户‑类别集合，反映了用户和物品类别M之间的关系，也即用户画像；步骤6.数据预处理，获得用户基本属性信息和已评分用户项目矩阵；记用户集用户集合U＝{U1,U2,U3,U4,U5,Um}，物品集合V＝{V1,V2,V3…Vn}.用户物品评分表用矩阵Rm*n表示，r属于Rm*n，rmn表示用户Um对物品Vn的评分；步骤7.用户多属性融合相似度计算Msim(Ui,Vj)；用户的个人基本信息，一般包括：性别、年龄、学历、职业、爱好等等；将用户信息表示为(X1，X2，X3，X4，X5，Xk)，k表示用户属性个数；根据不同属性特点，分别选择合适的相似度计算方法；那么，Msim(Ui,Vj)＝a1sim(U1X1,V2X1)+a2sim(U1X2,V2X2)+…+aksim(U1Xk,V2Xk)；步骤8.构建用户可信任邻居集合；设定邻居数最大阈值P，根据用户多属性融合的相似度计算结果，得到目标用户不多于P的邻居用户；步骤9.构建项目‑项目类表，根据用户项目评分矩阵，通过映射关系，得到用户多兴趣画像；步骤10.以步骤8得到的可信任邻居集合和步骤9用户多兴趣画像为约束，填充用户‑项目评分矩阵，得到非稀疏评分矩阵；步骤11.对目标用户的评分值高的项目做Top‑N排序，作为推荐结果。