[發明專利]一種融合FP-growth算法和Slope-One算法的混合推薦模型

在審

• 申請號: 201711004573.1
• 申請日: 2017-10-25
• 公開（公告）號: CN109711912A
• 公開（公告）日: 2019-05-03
• 發明（設計）人: 崔忠偉;牛俊潔;左羽;于國龍;趙勇
• 申請（專利權）人: 貴州師范學院
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 郝志亮

本發明公開了一種融合FP?growth算法和Slope One算法的混合推薦模型，該模型采用FP?growth算法和Slope One算法使得推薦結果更加準確。

技術領域

本發明涉及推薦算法領域，尤其涉及一種融合FP-growth算法和Slope One算法的混合推薦模型。

背景技術

2005年Lemire教授提出了Slope One算法，其核心思想是：線性回歸f(x)＝x+b。借助大量用戶對item的評分，可以得到任意兩個item的回歸直線。未評分item的評分(值根據已評分item評分值計算，根據計算出的評分值排序做Top-N推薦。它的優點是算法簡單，容易實現，可擴展性也不錯，但必須基于評分，如果沒有評分，需要構造評分。并給出了Weighted-Slope One算法模型修正Slope One未考慮對物品產生行為的用戶數對偏差的貢獻度不同，但Weighted-Slope One不具有解釋性，推薦結構不夠精確。

目前對Slope One算法改進一般使用聚類方法提高其精度，比如使用改進的 K-means方法聚類用戶后，利用User-CF搜索最近鄰居，結合Slope One為目標用戶推薦對應的產品。又比如融合領近項目的Slope One算法，基于項目屬性相似和MapReduce 并行化的Slope One算法。這些混合算法都是在提高算法的精度上做出了一定的貢獻，但其關聯性和可解釋性相對較差。

發明內容

本發明的主要目的在于提供一種融合FP-growth算法和Slope One算法的混合推薦模型，能夠是推薦結構更加的準確。

為達到以上目的，本發明采用的技術方案為：一種融合FP-growth算法和SlopeOne 算法的混合推薦模型，通過以下步驟實現：

1)輸入推薦參數：數據集和最小支持度；

2)對數據集在數據庫中進行第一次掃描，獲得頻繁項的集合F和其中每個頻繁項的支持度，并對F中的所有頻繁項按其支持度進行降序排序，得到頻繁項表L，移除頭指針表中不滿足最小支持度的元素項；

3)再次掃描數據庫，由每個事務不斷構建FP-Tree，同時對每個數據集中的項集初始化空FP樹；

4)根據已經構造好的FP-Tree、項集α、最小支持度對每個項集進行過濾和重排序；

5)使用步驟4中的項集更新FP樹；

6)根據得到的數據集D中的頻繁項集L，構建頻繁項集與未評分項集構造輕量級矩陣；根據頻繁項集數據，構建self.diffs/self.freqs字典；

7)計算與目標項的評分偏差dev；

8)對得到的評分偏差dev采用Weighted-Slope One算法進行修正。

優選地，步驟7中采用以下公式進行計算：

其中，S_j，i( )統計在同一時間對物品i和j的評分的所有用戶的集合。

與現有技術相比，本發明的推薦模型的推薦結果更加的準確。

附圖說明

圖1是根據本發明的一個優選實施例的原理圖

具體實施方式

以下描述用于揭露本發明以使本領域技術人員能夠實現本發明。以下描述中的優選實施例只作為舉例，本領域技術人員可以想到其他顯而易見的變型。

如圖1所示的一種融合FP-growth算法和Slope One算法的混合推薦模型，通過以下步驟實現：

1)輸入推薦參數：數據集和最小支持度；