[发明专利]一种多约束条件下的个性化信息推荐方法及信息推荐系统

摘要

本发明提供了一种多约束条件下的个性化信息推荐方法及信息推荐系统，该方法及系统在指明多个物品必须被选定的条件下，实现向客户快速推荐相关联物品的功能；如果用户或物品信息不足，可以使用聚类方法解决数据稀疏问题，使用统计方法推荐相关物品；如果用户或物品信息充足，可以使用关联规则方法并结合统计方法实现相关联物品的推荐。本发明通过约束条件的使用和聚类算法的使用，对数据集合进行数据补全和数据压缩，解决数据稀疏“冷启动”问题，在此基础上，结合基于物品的推荐算法和关联数据挖掘算法解决因信息不足导致的推荐结果不准确的问题；通过对算法的并行化运算过程的改造，解决数据计算量大的技术问题。

主权项

1.一种多约束条件下的个性化信息推荐方法，其特征在于，包括：/n步骤1)利用数据库中存储的所有物品信息构建元数据，对各种物品对应的元数据进行编码；/n步骤2)根据元数据的编码数据对用户关联的物品数据进行数字编码为“1”，对用户未关联的物品数据进行数字编码为“0”，形成用户数据；/n步骤3)以预设的若干种约束物品能够关联到同一用户为约束条件检索所有用户数据，如果能够检索出满足该约束条件的用户数据，则将所有满足约束条件的用户数据组成数据集，并执行步骤5)，否则执行步骤4)；/n步骤4)将所有约束物品进行分组，在用户数据中根据分组分别进行聚类分析，寻找聚类结果最好的分组作为检索条件，以该检索条件进行物品的统计推荐，获得对应的推荐结果；/n步骤5)对步骤3)中的数据集进行关联分析，如果仅获得一个满足支持度和置信度设定条件的物品组合，则将该物品组合作为推荐结果，否则，如果获得至少两个满足支持度和置信度设定条件的物品组合，则利用协同过滤推荐算法对不同组的物品组合进行打分评估，挑选评分最高的物品组合作为推荐结果，否则，如果没有获得满足支持度和置信度设定条件的物品组合，则根据步骤3)中的约束条件进行物品的统计推荐，获得对应的推荐结果；/n所述步骤5)中关联分析的步骤为：/n步骤201)通过扫描数据集累计除约束物品外的每种物品对应在用户数据中数字编码为“1”的计数，并收集满足设定支持度条件的物品作为待选物品，组成数据集合L1；/n步骤202)使用数据集合L1寻找包含两项待选物品组合的数据集合L2，以此类推，直至无法找到包含k项待选物品组合的数据集合；/n步骤203)从包含k-1项待选物品组合的数据集合中递归计算出置信度最高的关联规则，输出具有最大支持度和置信度的关联物品组合。/n