[发明专利]一种改进的混合协同过滤推荐方法

摘要

本发明公开了一种改进的混合协同过滤推荐算法，缓解了数据稀疏性的影响，提高了推荐的精准度，同时弥补了两种单一协同过滤算法无法兼顾准确率和个性化的缺陷。本发明采用的技术方案是结合共同评分项数量差异对传统的相似度计算方式进行加权，优化相似度结果，使构建的近邻集合的兴趣模型更加接近目标用户和目标项目；引入近邻集合相似度质量这一概念来衡量近邻集合的相似度水平，进一步决定基于用户协同过滤和基于项目协同过滤在混合模型中的比重，同时引入控制因子改善数据稀疏性的影响来优化评分预测结果。

主权项

一种改进的混合协同过滤推荐方法，其特征在于：具体包含模型训练和推荐预测两个部分；其中，模型训练具体包含如下步骤：步骤1，数据集中含有m个用户和n个项目，其中，m和n为正整数；步骤2，操作测试集，以固定间隔设置近邻个数K的值，K为正整数，计算用户之间以及项目之间的相似度，分别构建用户u和项目i的近邻集合N(u)和N(i)，并计算近邻集合的相似度质量βu和βi；步骤3，操作测试集，计算两种单一协同过滤的预测值，以固定间隔设置控制因子ω的值，其中，ω∈[0,1]，获取混合模型的预测结果；步骤4：迭代步骤2和步骤3获取预测结果与测试集实际评分的平均绝对误差MAE，对比得出控制因子ω的最优值以及完整的推荐模型；其中，推荐预测具体包含如下步骤：步骤5，直接对完整的数据集进行操作，设置K的值，构建目标用户和目标用户未交互项目的近邻集合，并度量这些近邻集合的相似度质量；步骤6，设置控制因子ω的最优值，代入混合模型得出目标用户对待测项目的预测评分；步骤7，对所有待测项目评分预测完毕后，将预测评分进行排序，选出对应评分最高的N个项目推荐给目标用户。