[發明專利]一種消除原始評分數據評分噪聲的協同過濾推薦方法

有效

• 申請號: 201810034135.8
• 申請日: 2018-01-15
• 公開（公告）號: CN108415926B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 陳炳才;劉杰;王健;余超;姚念民;盧志茂
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

本發明屬于數據挖掘領域，設計了一種消除原始評分數據評分噪聲的協同過濾方法。步驟1.構建評分矩陣的用戶集合U＝{u₁,u₂,...u_m}；評分矩陣的項目集合I＝{i₁,i₂,...,i_n}；用戶評分矩陣R(m×n)；步驟2.利用現有評分數據求用戶u_k對項目i_j的偏好評分r_k,j(preference)；步驟3.重復步驟2,直到調整完成原始評分矩陣每一組評分，得到調整后的評分矩陣R’(m×n)；步驟4.通過調整后的評分矩陣R’(m×n)，計算用戶u_i與用戶u_j的相似度sim(i,j)：步驟5.計算用戶u_i對項目i_j預測評分predic(ti,j)：步驟6.判斷預測評分predict(i,j)。本發明能夠有效調整原始評分矩陣評分數據，提高協同過濾技術的推薦準確度。

技術領域

本發明屬于數據挖掘領域，涉及一種消除原始評分數據評分噪聲的協同過濾方法。

背景技術

協同過濾技術是個性化推薦技術中一種應用范圍廣的推薦算法，協同過濾技術的基本核心思想是利用群體智慧，認為相似用戶的喜好也是相似的，目前主要分為以下幾類：基于用戶(或項目)的協調過濾算法、基于模型的協同過濾算法、以及混合過濾算法等。目前協同過濾算法存在著冷啟動、數據稀疏、推薦精度低等問題。

協同過濾算法的基本過程是構建用戶-項目評分矩陣，尋找用戶相似鄰居群體，根據鄰居群體的對此用戶未評價的項目的做出預測，然后根據結果對用戶做出相應的推薦。協同過濾技術算法核心步驟是利用評分矩陣來選取用戶相似群體，但是原始的用戶評分可能會有評分噪聲，例如用戶評分時情緒因素，這些噪聲會導致評分出現偏移，從而導致后續協同過濾算法推薦精確度下降。因此需要對原始評分數據進行調整，減弱情緒等因素導致的評分偏移。

發明內容

本發明提出了一種消除原始評分數據評分噪聲的協同過濾算法，目的在于消除環境因素，調整原始評分數據，提高協同過濾算法的推薦準確度。

本發明的技術方案：

一種消除原始評分數據評分噪聲的協同過濾推薦方法，步驟如下：

步驟1.構建評分矩陣的用戶集合U＝{u₁,u₂,...u_m}；評分矩陣的項目集合I＝{i₁,i₂,...,i_n}；用戶評分矩陣R(m×n)，其中，m代表用戶數，n代表項目數，r_k,j是用戶評分矩陣R(m×n)中用戶u_k對項目i_j評分，r_k,j∈R(m×n),k∈{1,2,...m}，j∈{1,2,3...n}；

步驟2.利用現有評分數據求用戶u_k對項目i_j的偏好評分r_k,j(preference)；

2.1)從用戶評分矩陣R(m×n)中得到用戶u_k的評分項目集合I(u_k)。

2.2)I(u_k,j)是用戶u_k已評價過的項目集合中除項目i_j以外的項目集合，從I(u_k,j)取出與待預測項目i_j相異的項目i_m，計算項目i_j與項目i_m評價評分偏差值dev_j,i，具體步驟如下：

2.2.1)從用戶評分矩陣R(m×n)取出同時對待預測項目i_j和項目i_m評分的用戶集合S_j,m(R)。