[發明專利]一種基于人工免疫的推薦方法

在審

• 申請號: 201810086499.0
• 申請日: 2018-01-23
• 公開（公告）號: CN108182288A
• 公開（公告）日: 2018-06-19
• 發明（設計）人: 皮德常;李宗堃
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工免疫的推薦方法，其主要特征包括如下步驟：

(1)采用Kappa相似度度量的相似度計算方法：獲取用戶-項目評分矩陣，計算期望值。

(2)區域降維的人工免疫聚類算法：輸入用戶評分信息，用戶作為抗體組成R維輸入空間。將整個R維向量空間劃分為K^R個子塊，即將每個維度劃分為K塊。在抗原識別時，僅搜索與抗原落在同一子塊中的抗體。

(3)智能終止的人工免疫算法：預先設定一個終止閾值σ_T，當新生成的抗體細胞中，與已有細胞親和度最低的個體抗體間親和度仍大于σ_T時算法終止。輸出與待推薦用戶相似的鄰居集。

(4)推薦結果：根據通過(2)、(3)中獲取的用戶鄰居集，得出鄰居集的用戶-項目評分矩陣，對用戶項目評分矩陣進行矩陣分解，并對加權平均法進行改進，給出最終推薦。

2.根據權利要求1所述的一種基于人工免疫的推薦方法，其特征在于，步驟(1)采用Kappa相似度度量的相似度計算方法：獲取用戶-項目評分矩陣，計算期望值，方法如下：

其中KW表示加權Kappa的相關系數值，P_o(w)表示為兩者的評價統一值，P_e(w)表示為偶然期望統一值。用戶對他們所知的項目都進行了評分，對那些未知項目不評分，所以P_e(w)＝0，KW＝P_o(w)。P_o(w)的計算公式如下：

其中g表示評價等級；n表示評價項目數；k_ij在i行j列中的數目；w_ij為權值。P_o(w)為相似度，相似度越大，認為兩個用戶越相似，即兩個用戶距離越相近。

3.根據權利要求1所述的一種基于人工免疫的推薦方法，其特征在于，步驟(2)區域降維的人工免疫聚類算法，其實現方法如下：

將整個R維向量空間劃分為K^R個子塊，即將每個維度劃分為K塊。在抗原識別時，僅搜索與抗原落在同一子塊中的抗體，降低搜索量。

4.根據權利要求1所述的一種基于人工免疫的推薦方法，其特征在于，步驟(3)中智能終止的人工免疫算法，主要特征為：

終止閾值σ_T與算法中已有的網絡抑制閾值σ_s有很強的關聯性，采用σ_T＝2σ_s時，可獲得較好效果。選定Min(s_ij)＜σ_T＝2σ_s作為算法終止條件，當迭代次數達到σ_T時終止迭代，網絡抑制，輸出結果。

5.根據權利要求1所述的一種基于人工免疫的推薦方法，其特征在于，步驟(4)，其實現方法包括：

(51)把用戶-項目評分矩陣R分解為兩個矩陣W和H乘積的形式：R≈WH

(52)對加權平均法進行改進，根據用戶對特定項目的喜好度，生成推薦值。

6.根據權利要求5所述的方法，其特征在于，步驟(51)所述的把用戶-項目評分矩陣R分解為兩個矩陣W和H乘積的形式R≈WH，其實現方法如下：

把計算出來的用戶-項目評分矩陣R的近似值稱為計算矩陣，在這里用戶-項目交互矩陣WH即為計算矩陣。下面的公式說明了用戶-項目評分矩陣中的真實評分與矩陣W和H的關系：

7.根據權利要求5所述的方法，其特征在于，步驟(52)所述的生成推薦值，其實現方法如下：

得到一組鄰居集，根據其鄰居用戶對特定項目的喜好度，生成推薦預測值，改進后的加權平均法公式如下：

與目標用戶相似性高的用戶，在推薦預測中起更重要的作用，給予較高的權重。使用下面的公式來計算推薦：

其中P表示推薦值，W_t表示t的權重，如果t抗體已經對該項目投票，則W_t為t抗體在系統中的濃度，如果t抗體未對該項目投票則W_t為零；V_t表示t抗體對該項目的投票值。