[发明专利]一种用于个性化推荐的融合内容和行为的协同过滤方法

权利要求书

1.一种用于个性化推荐的融合内容和行为的协同过滤方法，其特征在于，该方法包括如下步骤：

(1)特征输入：特征输入包括代表项目内容的项目-属性矩阵以及代表用户行为的用户-项目浏览矩阵、用户-项目收藏矩阵、用户-项目购买矩阵、项目评价标签矩阵和用户-项目评分矩阵；

(2)基于内容的项目聚类：将项目-属性矩阵和项目评价标签矩阵组合，计算项目相似性，对项目进行聚类；

(3)评分预测与特征填充：针对用户-项目评分矩阵中的未评分项目，在与未评分项目相似性较高的聚类簇中寻找最近邻居项目，根据最近邻居项目的评分，对未评分项目进行评分预测，填充用户-项目评分矩阵；

(4)基于行为的用户聚类：根据项目聚类结果和用户-项目评分矩阵，定义用户对项目的偏好度，根据用户的历史行为，定义用户对项目的关注度，将偏好度和关注度进行融合，定义用户对项目的倾向度，并基于此构造用户的融合相似度计算方式，对用户进行聚类；

(5)评分预测与项目推荐：确定目标用户所在的聚类簇，在与目标用户相似度最高的若干个簇中找到最近邻居用户集合，根据近邻用户的评分，对目标用户的未评分项目进行评分预测，最后将对目标用户预测评分最高的前N个项目推荐给目标用户；

步骤(2)采用K-Means聚类法进行项目聚类，具体为：

21)记项目-属性矩阵和项目评价标签矩阵分别为A和T：

T＝(t_ij)_m×q，t_ij∈[0,1]，

其中，m为项目总个数，p为项目属性个数，t_ij为项目i与第j个标签的相关性，q为标签的总个数；

22)将项目-属性矩阵和项目评价标签矩阵组合得到项目特征矩阵为m×(p+q)阶矩阵，记作S＝(s_ij)_m×l,l＝p+q，该矩阵中的行向量为项目的特征值向量；

23)定义项目集E[m]＝{e₁,e₂,...,e_m}，从项目集E中随机选取k₁个项目e₁,e₂,...,e_k1作为k₁个初始的聚类中心，k₁为聚类数；

24)对根据项目的特征值向量分别计算每个项目与k₁个聚类中心的相似度，将项目划分到距离最近的簇中，直到所有的项目都被划分；

25)根据划分后的各个簇中的项目，重新调整每个簇的聚类中心，以簇中所有项目特征值向量中的特征值的均值作为新的聚类中心；

26)重复步骤24)和25)，直到聚类准则函数平方误差收敛、聚类中心保持稳定为止，最终输出聚类簇E₁,E₂,...,E_k1，以及k₁个聚类中心c₁,c₂,...,c_k1；

步骤24)中计算每个项目与k₁个聚类中心的相似度通过下式方式求取：

设待求取的两个项目的特征值向量为和

以两个特征值向量之间的距离Ssim(i,j)表示两个项目之间的相似度：

其中，w_x是第x个特征值的权重，0≤w_x≤1，d(s_ix,s_jx)为项目i和j在第x个特征值上的绝对值距离，是项目i和j在第x个特征值上的相似性。