[发明专利]一种基于用户偏好与商品属性的个性化推荐方法

摘要

本发明涉及一种基于用户偏好与商品属性的个性化推荐方法，属于机器学习领域。通过加入项目的属性信息，当不存在偏好信息的时候通过商品属性信息来做出推荐。同时通过此推荐方法提高推荐系统的查全率。本发明通过使用基于用户偏好与商品属性的个性化推荐方法，解决基于新项目的冷启动问题。

主权项

1.一种基于用户偏好与商品属性的个性化推荐方法，其特征在于：步骤1、确定基于项目属性的相似矩阵；通过计算项目的向量间的距离A_ij来表示向量间的相似性，构建相似矩阵：步骤2、确定基于用户偏好的同现矩阵；定义用户对项目的偏好列表：prefs=(user_id,item_id,pref)，其中pref代表用户对项目的评分，所有用户对项目的评分组成评分列表prefs；通过计算每一对项目同时出现在同一个用户的偏好列表中的次数B_ij（表示item_i和item_j同时出现在相同的用户的偏好列表中的次数）来构成同现矩阵步骤3、确定最终的相似矩阵为：其中和β为自定义的权重；步骤4、计算用户偏好向量：相对于每一个用户都有一个用户偏好向量P_(u，j)，1＜j＜n，表示用户u对项目j的偏好，最终生成的用户u的偏好向量为步骤5：计算候选推荐物品的推荐值；根据步骤3得到的相似矩阵和步骤4得到的用户偏好向量，计算候选推荐物品的推荐值；对于用户u，项目i的推荐得分是：P(u,j)=Σj<nsim(j,i)P(u,j)]]>其中，sim_(j，i)表示项目j与项目i的相似度；P_(u，j)表示用户u对项目j的偏好值；对于用户u所有项目的推荐值为：步骤6、对用户u，计算所有项目的推荐得分，并把偏好值为零的项目作为候选推荐物品，并对候选推荐物品的推荐值按照从大到小的顺序进行排序；步骤7、在上述步骤排序的基础上，选取前N个物品推荐给用户u，N为认为设定的某一正整数。