[发明专利]一种基于用户对项目类评分的协同过滤方法

摘要

本发明公开了一种基于用户对项目类评分的协同过滤方法，该方法提出在特征矩阵的基础上引入对项目类的评分，根据用户主观评分高低得出用户在访问次数的基础上对项目类的偏好，即用户的真实喜好；根据用户的真实喜好并结合评分相似度得出用户的最终相似度。在真实数据集上的测试验证，在用户特征矩阵中引入评分能够更加准确的反应用户偏好，预测用户真实评分，提高推荐系统的准确性。本方法解决了现有方法存在的只是根据用户客观行为识别用户兴趣偏好，不能从用户主观方面真实反映用户偏好的缺陷，从而有效提高推荐系统的质量。

主权项

一种基于用户对项目类评分的协同过滤方法，其特征在于，包括以下步骤：步骤一，针对用户集合U中的任意的用户u_i和用户u_j，按照以下方法计算用户u_i和用户u_j总相似度：步骤S10，对用户u_i访问的项目的特征类进行整理提取，再把用户u_i对项目的评分映射为用户u_i对对应特征类的评分，得出用户u_i对特征类的评分表；步骤S11，统计用户u_i对某一特征类t的访问次数c_i,t和用户u_i访问过的项目总数|I_i|，并按公式1计算用户u_i对所述特征类t的感兴趣程度Q_i,t：步骤S12，计算用户u_i对项目的平均评分并统计出用户u_i在特征类t中评分中大于平均评分的个数n_i,t，通过公式2计算出用户u_i在特征类评分的因素上对特征类的偏好程度P_i,t：步骤S13，结合用户u_i对特征类的感兴趣程度和特征类的偏好程度，按公式3计算用户u_i对特征类的真实偏好程度H_i,t：H_i,t＝Q_i,t×P_i,t    公式3步骤S14，通过公式4求得用户u_i与用户u_j兴趣偏好之间的相似度hSim(i,j)：上式中，C_i,j表示用户u_i和用户u_j共同访问过的特征类的集合，c是集合C_i,j中的一个特征类，和表示用户u_i和用户u_j对所述特征类集合中所有特征类真实偏好程度的平均值，H_i,c和H_j,c表示用户u_i和用户u_j对特征类c的真实偏好程度；步骤S15，统计用户u_i和用户u_j的共同评分集合I_i,j、用户u_i和用户u_j评分项目的总和I_i∪I_j，按公式5计算出用户u_i和用户u_j之间的共同评分权重w_i,j：步骤S16，按照公式6计算用户u_i和用户u_j的评分相似度：上式中，I_i,j表示用户u_i和用户u_j共同访问过的项目的集合，e是集合I_i,j中的一个项目，和表示用户u_i和用户u_j对所述项目集合中项目评分的平均值，r_i,e和r_j,e表示用户u_i和用户u_j对项目e的评分；步骤S17，根据公式7计算出用户u_i和用户u_j最终的评分相似度：scSim(i,j)＝sim(i,j)×w_i,j      公式7步骤S18，根据公式8计算出用户u_i和用户u_j总相似度，其中α+β＝1：Sim(i,j)＝α×scSim(i,j)+β×hSim(i,j)      公式8步骤二，对于用户集合U中的一个待推荐的目标用户u_d，根据步骤一中的方法找出与目标用户u_d总相似度最高的前N个用户，构成目标用户u_d的最近邻居集合Neighber(u_d)；根据公式9对目标用户u_d没有评分的项目计算预测评分R_k(d)：上式中，u_v是最近邻居集合Neighber(u_d)中的一个用户，sim(d,v)是用户u_d和用户u_v的总相似度，表示用户u_d对其已经评过分的项目的平均分，r_v,k表示用户u_v对项目k的评分，该项目k为目标用户u_d没有评过分的项目；调整公式8中的α的值，根据公式9得出评分结果；步骤三，根据最优的评分结果对项目进行排序，并将排序靠前的项目推荐给目标用户。