[发明专利]一种基于加权混合k-最近邻算法的图书推荐方法与系统

摘要

本发明公开了一种基于加权混合k‑最近邻算法的图书推荐方法和系统，本发明实现了基于单一协同过滤算法的图书推荐，并将协同过滤算法中的基于用户k‑最近邻和基于物品k‑最近邻算法进行了加权混合，实现了混合推荐，本发明将推荐技术应用到了图书推荐系统中，目的是为了给读书爱好者个性化地推荐其有可能感兴趣的图书，减少读书爱好者在海量图书信息中找到感兴趣图书的时间。本发明应用的推荐算法是基于协同过滤的推荐算法，具体使用到了基于用户的k‑最近邻和基于物品的k‑最近邻算法，这些算法可以针对不同读者的对图书的评分，向不同的读者个性化地推荐其可能感兴趣的图书。

主权项

1.一种基于加权混合k‑最近邻算法的图书推荐方法，其特征在于，包括以下步骤：步骤1，将用户历史图书评分行为数据按照均匀分布随机分为M份，选取一份作为测试集，将剩下的M‑1份作为训练集，在用户历史图书评分行为数据的训练集上建立基于用户和基于物品的k‑最近邻推荐模型；步骤2，通过k‑最近邻推荐模型在用户历史图书评分行为数据的训练集上建立用户兴趣模型，生成推荐图书列表，再通过结合用户历史图书评分行为数据的测试集，计算最相似用户的个数k在初始值的情况下，k‑最近邻算法的准确率和召回率；步骤3，依次更新建立k‑最近邻推荐模型中所设定的算法的最相似用户的个数k值，计算不同k值下的图书推荐列表；并计算不同k值情况下，基于用户与基于物品的k‑最近邻算法的准确率和召回率；步骤4，将每个不同k值所对应的准确率和召回率相加，得到基于用户和基于物品的k‑最近邻算法的性能指标值；取基于用户的k‑最近邻算法的性能指标值的最大值所对应的参数k的值作为某用户在基于用户的k‑最近邻算法的中的最优算法参数k的值；同理，取基于物品的k‑最近邻算法的多组性能指标值的最大值所对应的参数k的值作为某用户在基于物品的k‑最近邻算法的中的最优算法参数k的值；步骤5，输入某用户在基于用户的k‑最近邻算法的最优算法性能指标值和基于物品的k‑最近邻算法的性能指标值，通过这两个值来为该用户分配基于用户的k‑最近邻算法和基于物品的k‑最近邻算法的权值；步骤6，输入某用户在基于用户的k‑最近邻算法的最优参数k的值和基于物品的k‑最近邻算法的最优参数k的值，利用步骤(1)中的k‑最近邻推荐模型为用户产生基于用户的k‑最近邻算法的图书推荐列表和基于物品的k‑最近邻算法的图书推荐列表；然后根据该用户对基于用户的k‑最近邻算法和基于物品的k‑最近邻算法所分配的权值，乘以图书推荐列表中图书的数量N，计算最终混合推荐列表中，基于用户的k‑最近邻算法所产生的推荐图书占混合图书推荐列表的数量和基于物品的k‑最近邻算法所产生的推荐图书占混合图书推荐列表的数量，最终得到混合图书推荐列表。