[发明专利]基于覆盖约简的个性化用户协同过滤推荐方法

摘要

本发明公开一种基于覆盖约简的个性化用户协同过滤推荐方法，明确定义了目标用户的冗余用户的概念，根据覆盖粗糙集中覆盖约简可以移除冗余元素的功能，将目标用户的冗余用户移除，从而保证了目标用户的邻近用户的质量，从而利用这些高质量的邻近用户的评分信息实现为目标用户提供高精度和多样化的个性化推荐。

主权项

1.一种基于覆盖约简的个性化用户协同过滤推荐方法，其特征在于依次按照如下步骤进行：步骤1.统计形成二维评分信息表：根据用户对物品的评分信息形成二维评分信息表RM={U，I，R∪{*}}；所述二维评分信息表RM中，U表示用户的集合，I表示物品的集合，R∪{*}表示用户对物品的评分集合，其中*表示用户未对物品进行评分；令用户u∈U对物品i∈I的评分为r_u,i∈R∪{*}，并且用户u的平均评分为；θ为用户评分的阈值，如果r_u,i≥θ，表明用户u喜欢物品i；用户u已评分的物品集合为I_u={i∈I|r_u,i≠*}；为用户u未评分的物品集合；物品属性矩阵为AM；在用户集合U中，如果存在用户a喜爱的物品集合包含于用户b喜爱的物品集合，那么用户a就称为目标用户的冗余用户；步骤2.利用覆盖约简算法对冗余用户进行约简：步骤2.1令物品集合I作为论域I，在论域I中，每个用户喜欢的物品组成一个集合；在物品属性矩阵AM中提取目标用户的喜爱属性：          (1)式(1)中，m表示属性的数目，atm表示一个属性，avm表示属性atm的值；步骤2.2.利用获得的目标用户的喜爱属性，构建目标用户的决策集D，决策集D由具备喜爱属性的物品集合组成：D=｛i∈I｜at1(i)= av1 ,at2(i)=av2 ,…,atm(i)=avm｝     (2)式(2)中，atm(i)= avm表示物品i在属性atm上的值为avm；步骤2.3.将论域I由物品集合缩减为目标用户的决策集D，即论域D；对于每一个用户u∈U，构建用户u在论域D上的喜爱物品集合Cu：          (3)令C*=D‑∪Cu，C={C1,C2…Cn, C*} 构成了目标用户在论域D的一个覆盖C；步骤2.4.利用覆盖约简算法，将冗余元素从覆盖C中约简，得到约简完毕后的覆盖reduct(C)及约简后的用户Ur:          (4)步骤3.利用约简后的用户Ur构建目标用户au的候选邻近用户u；步骤4.计算目标用户和候选邻近用户的相似度，选取目标用户的邻近用户：利用皮尔森相似度量函数(5)计算目标用户au和候选邻近用户u∈Ur之间的相似度，       (5)式(5)中，sim(au,u)表示目标用户au和候选邻近用户u∈U_r之间的相似度，I_au={i∈I|r_au,i≠*}表示目标用户au评价过的物品集合，表示目标用户的平均评分值；然后选择相似度高的前K个候选邻近用户作为目标用户的邻近用户Nau(k)；步骤5.对目标用户未评分物品进行预测评分：根据目标用户的邻近用户N_au(k)的评分信息，利用调整加权和函数(6)对目标用户au未评分的物品集合进行预测评分，得到目标用户的预测评分表；          (6)式(6)中，Pau,i表示目标用户au对物品i的预测评分，Ui={u∈U|ru,i≠*}表示评价过物品i的用户集合；λ作为一个正则化因子：           (7)步骤六.选取预测评分高的前N个物品作为推荐结果。