[發(fā)明專利]一種協(xié)同過濾推薦算法中改進的相似性度量方法

無效

• 申請?zhí)枺?/td>: 201310505323.1
• 申請日: 2013-10-23
• 公開（公告）號: CN103500228A
• 公開（公告）日: 2014-01-08
• 發(fā)明（設(shè)計）人: 趙朋朋;吳健;冒九妹;鮮學(xué)豐;崔志明
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 常亮

技術(shù)領(lǐng)域

本發(fā)明涉及推薦系統(tǒng)研究中協(xié)同過濾（Collaborative?filtering）推薦技術(shù)，尤其涉及一種協(xié)同過濾推薦算法中改進的相似性度量方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)的迅速普及和電子商務(wù)的快速發(fā)展，互聯(lián)網(wǎng)上的信息數(shù)據(jù)急劇增長，如何使用戶快速高效地從浩瀚的數(shù)據(jù)海洋中獲取所需信息變得越來越緊迫。因此為用戶提供主動推薦服務(wù)也越來越多地被應(yīng)用到各種門戶網(wǎng)站和電子商務(wù)系統(tǒng)中。這些系統(tǒng)通過收集用戶的歷史信息，學(xué)習(xí)用戶的興趣和行為模式，并分析用戶的行為特征，從而為其提供推薦服務(wù)。

協(xié)同過濾推薦技術(shù)在推薦系統(tǒng)領(lǐng)域應(yīng)用非常廣泛，主要分為兩類：基于用戶的協(xié)同過濾(User-based?Collaborative?Filtering)和基于項目的協(xié)同過濾(Item-based?Collaborative?Filtering)，基本思想是基于最近鄰向目標用戶產(chǎn)生推薦，最終推薦形式有評分預(yù)測及Top-N推薦。Tapestry是最早被提出來的協(xié)同過濾推薦系統(tǒng)，記錄了每個用戶閱讀文章的觀點，目標用戶需要明確地指出與自己行為類似的其他用戶。GroupLens、Ringo以及Video?Recommender也是較早期的協(xié)同過濾推薦系統(tǒng)，通過其他用戶的意見來給用戶分別提供電影、新聞和音樂等推薦服務(wù)。

隨著電子商務(wù)系統(tǒng)規(guī)模的不斷擴大，用戶數(shù)目和項目數(shù)據(jù)的急劇增加，導(dǎo)致用戶項目的評分數(shù)據(jù)極端稀疏。在用戶評分數(shù)據(jù)極端稀疏的情況下，傳統(tǒng)的相似性度量方法依賴于共同評分的項目個數(shù)，使得傳統(tǒng)的相似性度量存在著一定的偶然性，計算得到的目標用戶及項目的最近鄰不準確，從而導(dǎo)致推薦系統(tǒng)的推薦質(zhì)量下降。

協(xié)同過濾推薦算法中主要通過相似性來預(yù)測用戶對項目的評分，相似性可分別依據(jù)用戶或項目之間關(guān)系進行度量，且相似性度量的精確性直接關(guān)系到整個推薦系統(tǒng)的推薦質(zhì)量。

相似性計算可以是基于用戶之間的相似性計算，也可以是基于項目之間的相似性計算。以sim(U_a,U_b)表示用戶U_a和用戶U_b之間的相似性，則首先獲取用戶U_a和用戶U_b已評分的所有項目，然后通過不同的相似性度量方法計算用戶U_a和用戶U_b之間的相似性sim(U_a,U_b)。同理，將項目I_i和項目I_j之間的相似性記為sim(I_i,I_j)，則獲取項目I_i和項目I_j已有的所有用戶評分，并根據(jù)已有評分值獲取項目I_i和項目I_j之間的相似性sim(I_i,I_j)。

常見的相似性度量標準包括：余弦相似性、相關(guān)相似性以及修正的余弦相似性。在余弦相似性度量方法中，構(gòu)建用戶項目評分矩陣R(n×m)。如果用戶對項目沒有評分，則假設(shè)該用戶對項目的評分為0。通過將用戶對項目的未知評分設(shè)為0，可以有效地提高相似性計算的性能，但是當用戶及項目數(shù)量非常巨大、用戶對項目的評分數(shù)據(jù)極端稀疏的情況下，將未知評分設(shè)置為0的可信度并不高。

實際上，用戶對未評分項目的喜好程度不可能完全相同或完全不同。當用戶U_a和用戶U_b對項目均未有評分時，將用戶對項目的評分都設(shè)為0，無疑在計算用戶U_a和用戶U_b之間的相似度時提高了其相似度值，因為他們對項目的評分并不一定會完全相同為0。因此，當用戶評分數(shù)據(jù)極端稀疏時，將未知評分設(shè)為0對計算相似度值影響性較高。當用戶U_a和用戶U_b中有一個用戶對項目給出評分，而另一個用戶未給出評分時，未知的評分被設(shè)為0將會使相似度的計算值小于其實際值，但當用戶評分數(shù)據(jù)極端稀疏時，該影響將會較小。

由此可見，在用戶評分數(shù)據(jù)極端稀疏的情況下，余弦相似性并不能有效地度量用戶之間的相似性，余弦相似度的計算值實際上提高了用戶間的相似度，而修正的余弦相似性度量方法也存在同樣的問題。