[发明专利]一种基于最近邻协同过滤推荐算法的供应商推荐方法

摘要

本发明属于专门适用于特定领域的管理、监督或预测等目的的数据处理系统或方法的技术领域，具体涉及一种基于最近邻协同过滤推荐算法的制造业供应商推荐方法。所述方法通过步骤S2在评分数据极端稀疏的情况下，预测供应商u在项目p的评分r’_u，p，依此为基础求得相似度，避免了数据稀疏带来的准确率急剧下降的情况。本发明所述方法根据有效的用户相似性得出了更准确的供应商推荐结果；并且本算法既可以作为制造业供应商推荐，也可以非常扩展到数据极端稀疏情况下的其他推荐领域，如零售产品推荐等，具有更广泛的应用范围。

主权项

1.一种基于最近邻协同过滤推荐算法的供应商推荐方法，设对供应商u评分的项目集合为Iu，对供应商v评分的项目集合为Iv，其特征在于：所述方法的具体步骤为：S1、计算对供应商u和v评分的项目集合的并集I′uv，即I′uv＝Iu∪Iv；则供应商u在项目空间I′uv中未评分项目集合Nu为Nu＝I′uv‑Iu；S2、在项目空间I′uv中，对任意项目p∈Nu，预测供应商u在项目p的评分R’u,p，具体步骤为:S21、在项目空间I′uv中，基于Person相关相似性计算项目i、j之间的相似度：其中，U_i为项目i有评分的供应商集合；U_j为项目j有评分的供应商集合；则U_ij＝U_i∩U_j，为项目i、j都有评分的供应商集合；R_u,i为供应商u在项目i的评分；R_u,j为供应商u在项目j的评分；和分别表示所有供应商在项目i和项目j评分的平均值；S22、将与项目p相似度最高的h个项目作为项目p的邻居项目集合，即在整个项目空间中查找项目集合Mp＝{I1,I2,…Im,…,Ih}，I1与项目p的相似性sim(p,I1)最高，项目I2与项目p的相似度sim(p,I2)次之，依次类推；S23、预测供应商u在项目p上的评分R’u,p：其中，为项目空间I′_uv中所有供应商在项目p的评分平均值；m表示项目集合Mp中的任一项目；sim(p,m)为项目p与项目n的相似度；为供应商n在项目空间I′_uv中所有项目评分的平均值；R_n,p为供应商n在项目p的评分；S3、基于S2得到的供应商在项目上的评分，采用Person相关相似性，计算供应商u、v之间的相似度：其中，R_u,i为供应商u在项目i的评分；R_v,i为供应商v在项目i的评分；和分别表示供应商u和供应商v在所有项目上的评分平均值；S4、引入相似度支持度权重SWuv：其中，相似度支持度SS是评分相似度的支持样本数量，SSuv表示供应商u和v之间相似度支持度，其值为供应商u和v共同生产过的项目数量；SSmin和SSmax分别表示在供应商空间中相似度支持度的最小值和最大值；S5、对供应商u、v之间的相似度乘以相似度支持度权重：sim‘(u,v)＝sim(u,v)*SWuv  公式5S6、计算供应商u在项目i上的评分Ru,i，基于供应商间的评分产生推荐：其中，Nk为和供应商u相似度最大的前k个供应商。