[發明專利]一種基于用戶和物品的自適應個性化推薦方法

在審

• 申請號: 201710015604.7
• 申請日: 2017-01-10
• 公開（公告）號: CN106897911A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 袁志遠;王玉峰
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62
• 代理公司: 南京知識律師事務所32207
• 代理人: 李湘群

1.一種基于用戶和物品的自適應個性化推薦方法，其特征在于該方法分為訓練和個性化推薦兩個階段：

一、訓練階段：包含以下五個子步驟：

步驟1-1：數據采集及預處理，平臺采集用戶個人信息，用戶行為特征，以及用戶對物品的評價數據形成用戶評價矩陣，對用戶評價數據預處理,用戶對物品評價的空缺值使用用戶對物品的平均評價代替,若該物品無評價用戶，填充評價最高值的一半；

步驟1-2：用戶相似性聚類，根據采集的用戶數據對用戶進行聚類，使用聚類算法將用戶劃分為K個聚類，具有相似行為和物品喜好的用戶劃分為同一聚類；

步驟1-3：物品相似性計算，根據物品自身的特征屬性量化為特征向量，由相似性度量公式計算兩兩物品之間的相似度；

步驟1-4：計算物品間的評價平均差矩陣，根據用戶對物品的評價打分，計算兩兩物品間的平均評價的差值；

步驟1-5：建立預測模型，分為三個步驟，首先根據物品之間的相似性，建立基于物品相似性的預測模型；其次，根據用戶的相似性建立基于用戶聚類的預測模型，最后，將兩者融合建立基于用戶和物品的自適應預測模型；

二、個性化推薦階段：包含以下三個步驟：

步驟2-1：數據采集及預處理，采集用戶個人信息，用戶近期行為特征，以及用戶對物品的評價等數據；

步驟2-2：基于用戶屬性判定所屬聚類，根據將采集的用戶數據量化，步驟1-2已經對用戶聚類，由相似性公式分別計算用戶與K個聚類核心的相似性，用戶與某個聚類核心的相似度最高，判定用戶屬于該聚類；

步驟2-3：預測用戶對未評價物品的打分，根據用戶的歷史評價數據，利用步驟1-4中建立的基于用戶和物品的自適應預測模型預測用戶對未評價物品的的打分，將預測評價較高的N件物品推薦給用戶。

2.根據權利要求1所述的基于用戶和物品的自適應個性化推薦方法，其特征在于步驟1-1中所述個人信息指的是能夠用于用戶相似性聚類的用戶信息，所述用戶行為特征是從針對某件物品的行為中抽取特征，并進行量化，對用戶評價信息進行量化，形成用戶評價矩陣R_m×n：

m:表示用戶的數量，n：表示物品的數量，r_ij:表示用戶i對物品j的評價，R[i]代表用戶i對所有商品的評價，給出相似評價的用戶具有相似性，R[i]可直接用于用戶相似性計算或者相似性聚類。