[發(fā)明專利]一種基于中介真值程度度量和用戶的協(xié)同過濾推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811548134.1
• 申請(qǐng)日: 2018-12-18
• 公開（公告）號(hào): CN109635200B
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計(jì)）人: 周寧寧;陸榮
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 彭雄

本發(fā)明公開了一種基于中介真值程度度量和用戶的協(xié)同過濾推薦方法，在采用傳統(tǒng)方式計(jì)算用戶興趣相似度之后，再用中介真值程度度量方式對(duì)用戶的反饋行為的相似程度進(jìn)行度量的方法和策略，對(duì)興趣相似度較高的鄰居對(duì)象進(jìn)行反饋行為相似度度量，改進(jìn)傳統(tǒng)的計(jì)算用戶興趣相似度的方式，最終達(dá)到提高推薦結(jié)果準(zhǔn)確性和召回率的目的。本發(fā)明通過將中介真值程度度量應(yīng)用于基于用戶的協(xié)同過濾推薦方法的用戶興趣相似度計(jì)算，解決了現(xiàn)有方法在計(jì)算用戶興趣相似度時(shí)，缺乏對(duì)用戶反饋的科學(xué)考慮，造成的推薦結(jié)果準(zhǔn)確性和召回率較低的問題，實(shí)現(xiàn)提高推薦結(jié)果準(zhǔn)確性和召回率的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及基于用戶的協(xié)同過濾推薦方法(UserCF)的技術(shù)領(lǐng)域，特別涉及一種基于中介真值程度度量(Measuring Of Medium Truth Degree，MMTD)和用戶的協(xié)同過濾推薦方法。

背景技術(shù)

基于用戶的協(xié)同過濾推薦方法簡(jiǎn)單來說就是利用某種方法找到興趣相投、擁有共同經(jīng)驗(yàn)的群體，將這些群體的喜好推薦給同類型的用戶。方法通過用戶對(duì)信息做出的回應(yīng)(如評(píng)分，收藏)的分析，實(shí)現(xiàn)對(duì)信息過濾的目的，進(jìn)而幫助其他用戶篩選信息。

傳統(tǒng)的基于用戶的協(xié)同過濾推薦方法主要包括：興趣相似度計(jì)算和結(jié)果推薦兩大部分。興趣相似度計(jì)算是其中最重要的一環(huán)，一般采用的方法有Jaccard公式和余弦公式等。這種兩種方法的核心思想都是求取用戶有過正反饋的物品集的交集，再除以某一個(gè)定值，結(jié)果為用戶間的興趣相似度，這種做法簡(jiǎn)單且可以得到擁有一定的準(zhǔn)確性的結(jié)果，但是由于沒有科學(xué)考慮用戶對(duì)物品所做出的反饋，使得推薦結(jié)果的準(zhǔn)確性和召回率較低，雖然近年來通過改進(jìn)相似度計(jì)算公式讓準(zhǔn)確性和召回率有一些提升，但是結(jié)果依然有提升的空間。

綜上所述，傳統(tǒng)的基于用戶的協(xié)同過濾方法在計(jì)算用戶興趣相似度時(shí)，缺乏對(duì)用戶反饋的科學(xué)考慮，使得推薦結(jié)果并不完全符合用戶的興趣習(xí)慣，最終造成推薦結(jié)果的準(zhǔn)確性和召回率較低的問題。因此需要對(duì)計(jì)算用戶興趣相似度的方式做出改進(jìn)，使其能夠更加符合用戶的興趣習(xí)慣，從而提高推薦結(jié)果的準(zhǔn)確性和召回率。本發(fā)明能很好地解決上述問題。

發(fā)明內(nèi)容

發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于中介真值程度度量和用戶的協(xié)同過濾推薦方法，解決傳統(tǒng)的基于用戶的協(xié)同過濾方法在計(jì)算用戶興趣相似度時(shí)，缺乏對(duì)用戶反饋的科學(xué)考慮，使得推薦結(jié)果并不完全符合用戶的興趣習(xí)慣，推薦結(jié)果的準(zhǔn)確性和召回率較低的問題。

技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種基于中介真值程度度量和用戶的協(xié)同過濾推薦方法，包括以下步驟：

步驟1，用戶興趣相似度計(jì)算：

檢索整個(gè)訓(xùn)練集記錄各物品被購(gòu)買的次數(shù)，按從大到小排序，根據(jù)推薦物品數(shù)n選擇前F/n個(gè)物品組成熱門物品集G′，0＜F/n＜0.05F，F(xiàn)表示訓(xùn)練集中物品總數(shù)，根據(jù)用戶曾經(jīng)有過正反饋的物品集得到共有物品集S，

S＝N(i)∩N(j)，

其中，N(i)表示用戶i曾經(jīng)有過正反饋的物品集，N(j)表示用戶j曾經(jīng)有過正反饋的物品集；

將熱門物品集G′引入，得到去除熱門物品后的用戶反饋數(shù)據(jù)集：

N(i)′＝N(i)-N(i)∩G′

N(j)′＝N(j)-N(j)∩G′

建立物品到用戶的倒查表：

C[i][j]＝|N(i)′∩N(j)′|

若用戶i，j同時(shí)屬于倒查表中M₁個(gè)物品對(duì)應(yīng)的用戶列表，則令C[i][j]＝M₁，

通過改進(jìn)的余弦相似值公式計(jì)算用戶i和j的興趣相似度：