[發明專利]一種層疊組合協同過濾推薦方法

在審

• 申請號: 201810539349.0
• 申請日: 2018-05-30
• 公開（公告）號: CN108874916A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 王林;贠境孺
• 申請（專利權）人: 西安理工大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/06
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王珂瑜

1.一種層疊組合協同過濾推薦方法，其特征在于，具體按照以下步驟實施：

步驟1，構建用戶-項目評分矩陣；

步驟2，計算用戶之間的相似性，

步驟3，查找目標用戶的最近鄰居，

步驟4，對目標用戶a進行預測評分，

步驟5，填充步驟1中建立的原始用戶-項目評分矩陣R，

步驟6，計算項目之間的相似性，

步驟7，查找目標項目的最近鄰居，

步驟8，對目標用戶a進行預測評分，

步驟9，產生推薦物品列表。

2.根據權利要求1所述的層疊組合協同過濾推薦方法，其特征在于，所述的步驟1具體為，

步驟1.1，獲取用戶喜好數據，用戶喜好數據是以UserID、ItemID、Preference為元組的數據集；用戶喜好數據包括用戶的編號、項目的編號、用戶對項目的興趣偏好值，

步驟1.2，對通過預處理將無用數據過濾、數據類型轉換和數據格式統一，按照推薦要求處理數據，將其轉化為一個維度為m×n的初始用戶評分數據矩陣R，

其中，m表示矩陣R中用戶的數量，n表示項目的數量，R_ij(1≤i≤m，1≤j≤n)表示用戶i對項目j的喜好值，如果用戶i沒有對項目j進行評分，則R_ij＝0。

3.根據權利要求1所述的層疊組合協同過濾推薦方法，其特征在于，所述的步驟2具體為，

設集合U＝{u₁,u₂,u₃,…u_m}表示矩陣R中的所有用戶，待推薦的目標用戶a不在集合U中，

步驟2.1，從集合U中取出其中一個用戶u_i，查找出目標用戶a與用戶u_i有共同評分的項目的集合；

步驟2.2，按照公式(2)計算方法計算出目標用戶a與用戶u_i的興趣相似性sim(a,u_i)；最后重復前兩步驟，直到集合U中所有用戶完成與目標用戶a的相似度計算，目標用戶a與用戶u_i的興趣相似性sim(a,u_i)計算公式如下：

其中，sim(a,u_i)表示目標用戶a與用戶u_i的興趣相似性，分別表示用戶a和用戶u對相同已評分項目的評分平均值；R_a,i和R_u,i分別表示用戶a和用戶u對相同項目的評分值，sim(a,u_i)∈[0,1]相似性公式的計算值越大說明用戶之間或者項目之間越相似。

4.根據權利要求1所述的層疊組合協同過濾推薦方法，其特征在于，所述的步驟3具體為，對步驟2中計算所得到目標用戶a與用戶u_i的相似度按照從大到小的順序進行排序，依次取出其中的k個相似度，即，sim(a,u₁),sim(a,u₂),...sim(a,u_k)；

則它們之間的相似性大小關系為：

sim(a,u₁)≥sim(a,u₂)≥...sim(a,u_k) (3)

所以，與這k個相似度分別對應的用戶u₁，u₂，…，u_k構成了目標用戶a的最近鄰居用戶集合U_nearest，即：

U_nearest＝{u₁,u₂,…,u_k} (4)。