[发明专利]一种融合局部相似度和全局相似度的协同过滤推荐方法

摘要

一种融合局部相似度和全局相似度的协同过滤推荐方案的方法，属于方案推荐技术领域。基于协同过滤算法的思想，从相似度计算方面进行突破，一是采用全部用户项目评分计算全局相似度，有效利用了数据的信息，能够解决数据稀疏性，二是利用用户的共同评分信息，将评分分为都是积极评分、都是消极评分以及两种评分结合三种情况，计算局部相似度，能够充分有效利用用户之间的共有信息，将两种相似度进行融合，能够有效提高预测的准确度。

主权项

1.一种融合局部相似度和全局相似度的协同过滤推荐方案的方法，其特征在于，该方法利用用户的全部评分以及共同评分分别计算全局相似度和局部相似度，具体步骤包括：步骤一：利用收集到的用户评分信息构建用户项目评分矩阵R；步骤二：确定目标用户m，对其进行推荐，利用步骤一中的用户项目评分矩阵R进行相似度计算，计算用户m和其他用户n之间的相似度，其中涉及包含局部相似度计算模块和全局相似度计算模块，对以上两个模块分别进行设计；(1)局部相似度计算模块利用用户m、n对共同项目的共同评分，将其分为三部分进行计算，计算方案如下所示：其中sim^l(m,n)表示用户m和n的局部相似度，如表1所示，A表示两个用户的评分都是积极评分的部分，对A部分进行相似度记算，得到L(A)，B表示两个用户的评分都是消极评分，对B部分进行相似度计算，得到L(B)，C表示两个用户的评分一个是积极评分，另一个是消极评分，对C部分的评分进行相似度计算，得到L(C)，r_m,i、r_n,i分别表示用户m、n对项目i的评分，表示用户m和n的平均评分，表示对于项目i评分是积极评分用户个数所占的比例，表示对于项目i评分是消极评分用户个数所占的比例；对于数据评分，高于中位数的是积极评分，属于集合R^p，低于和等于中位数的是消极评分，属于集合R^q；例如在一个评分范围在1‑5的推荐系统中，R^p＝{4,5}，R^q＝{1,2,3}表1：用户共同评分不同情况组合(2)全局相似度计算模块利用所有的评分信息进行计算，其包含两部分，前半部分是用户的共同评分惩罚因子，后半部分是分别计算出用户评分数量，得到用户的评分爱好信息，全局相似度计算模块计算方案如下所示：其中I_m表示用户m评分的项目，I_n表示用户n评分的项目,表示用户m的评分向量，表示用户n的评分向量，k表示用户的评分值，f_k，l_k表示用户将评分评为k分的个数；将求得的局部相似度和全局相似度融合得到综合相似度值：sim(m,n)＝α*sim^l(m,n)+β*sim^g(m,n)                  (4)其中α、β是权重因子，取值为[0‑1]，同时满足α+β＝1，二者在不同推荐系统中进行动态调整以达到不同的推荐效果；步骤三：将步骤二中求得的多个不同其他用户n与用户m的综合相似度值按照大小排序，选取前K个用户作为目标用户m的最近邻居集；步骤四：利用步骤三求得的邻居以及对应的相似度预测目标用户m未评分项目t的评分，评分公式如式(5)其中r_m,t表示用户m对未评分项目t的预测评分，表示用户m和n对全部评分项目的评分平均值；步骤五：重复步骤四，预测出所有未评分的评分，选取评分前N个项目，得到top‑N推荐方案。