[發明專利]一種基于層次結構的推薦方法

有效

• 申請號: 201810533079.2
• 申請日: 2018-05-29
• 公開（公告）號: CN108804605B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 周慶;廖鳳露;胡月;唐銀春;楊沅;王衛芳;溫亞梅
• 申請（專利權）人: 重慶大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06K9/62;G06Q30/06
• 代理公司: 北京康盛知識產權代理有限公司 11331
• 代理人: 陶俊潔

本發明公開了一種基于層次結構的推薦方法，屬于信息技術領域，本發明通過提取item屬性特征以及與item相關性最高的user屬性特征，然后對item和user進行聚類，在類別層次學習user類別和item類別關系，構建user類別?item類別評分矩陣R；通過計算新用戶與user類別相似性，為其劃分user類別；根據評分矩陣R值排序，為新用戶推薦值最大的item類別。本發明先學習類別之間關系，再學習具體對象之間關系，采用層次結構思維實現項目推薦，既發掘了不同群體間對item的不同偏好，又提高了推薦算法的準確性，相較于傳統基于user的協同過濾算法，該方法的準確率提高了10％左右。

技術領域

本發明屬于信息技術領域，特別是涉及一種基于層次結構的推薦方法。

背景技術

本發明屬于信息技術領域。目前使用較多的推薦方法是基于協同過濾，通過計算user-item評分矩陣，為用戶推薦評分較高的item。但是該方法存在一定缺陷，首先新用戶沒有歷史item記錄，不能構造user-item評分矩陣；另外不同群體user之間對item有不同的偏好，并且item之間也存在關聯關系，該方法只能為用戶推薦一個具體item，不能識別不同群體user的興趣偏好。

本發明提出一種基于層次結構的推薦方法。該方法通過提取user和item屬性，分別學習user與user之間關系和item與item之間關系，構建user類別和item類別。然后構建user類別-item類別評分矩陣，學習user類別和item類別的關系。在具體實施推薦時，先計算新user所屬user類別，再根據user類別-item類別評分矩陣為其推薦item。該發明可應用于各種推薦系統中，包括學生就業推薦、電影推薦、音樂推薦以及購物推薦等等。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是提供一種基于層次結構的推薦方法。

為實現上述目的，本發明提供了一種基于層次結構的推薦方法，包括以下步驟：

S1：提取item屬性特征以及提取與item最相關的user屬性特征，并分別構建user屬性矩陣和item屬性矩陣，

S2：對item和user數據進行聚類；

通過k-means聚類方法對item聚類，劃分item類別；

基于user和item屬性的雙聚類算法對user聚類，劃分user類別；

S3：在類別層次學習user類別和item類別關系，構建user類別-item類別評分矩陣R，用來表征不同user對不同item的偏好；

S4：計算新用戶與user類型相似性，將其劃分到與其距離最近的user類別中；

S5：為新用戶推薦item類別，將其所在user類別的TOP1 item類別作為推薦項目，其中TOP1 item為對應評分值最大的item類別。

較佳的，所述步驟S2中user類別劃分包括以下步驟：

S2-1：將user自身屬性和item屬性拼接，構造user屬性矩陣UP

X為字符型特征值，m表示user數量，n表示user自身屬性數量，d表示item屬性數量；

S2-2：在user屬性矩陣UP的基礎上，計算每個用戶到其他所有用戶的距離和，將該距離最大的用戶作為聚類的中心u_centers；

S2-3：計算user屬性矩陣UP中每個用戶與中心用戶u_centers的距離，將其劃分到與其最近的中心用戶u_centers所在的類別中。

較佳的，所述步驟S2-2中通過下述方法選取聚類中心u_centers：