[發明專利]一種基于協同過濾的物品推薦方法、智能終端及存儲介質有效
| 申請號： | 201910497780.8 | 申請日： | 2019-06-10 |
| 公開（公告）號： | CN110427565B | 公開（公告）日： | 2023-02-24 |
| 發明（設計）人： | 蔡威;潘微科;明仲 | 申請（專利權）人： | 深圳大學 |
| 主分類號： | G06F16/9536 | 分類號： | G06F16/9536;G06Q30/06 |
| 代理公司： | 深圳市君勝知識產權代理事務所(普通合伙) 44268 | 代理人： | 王永文;劉文求 |
| 地址： | 518060 廣東*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 協同 過濾 物品 推薦 方法 智能 終端 存儲 介質 | ||
1.一種基于協同過濾的物品推薦方法，其特征在于，包括以下步驟：
獲取用戶購買過的物品的集合，根據所述用戶購買過的物品的集合計算目標用戶u和其他任意用戶w之間的相似度suw；
根據所述目標用戶u和所述其他任意用戶w之間的相似度suw構建所述目標用戶u的κ互惠鄰域集；
對所述目標用戶u和所述其他任意用戶w之間的相似度suw進行調整，并根據調整后的相似度構建所述目標用戶u的擴展鄰域集；
根據所述調整后的相似度及所述擴展鄰域集計算所述目標用戶u對任意物品j的喜好程度，并根據所述目標用戶u對任意物品j的喜好程度向所述目標用戶u進行物品推薦；
所述根據所述目標用戶u和所述其他任意用戶w之間的相似度suw構建所述目標用戶u的κ互惠鄰域集的步驟包括：
對計算出的所述目標用戶u和所述其他任意用戶w之間的相似度suw進行排序，過濾出與所述目標用戶u相似度最高的κ個用戶構建所述目標用戶u的鄰域集；
從所述目標用戶u的鄰域集中過濾出與所述目標用戶u互相屬于對方鄰域集的用戶，構建所述目標用戶u的κ互惠鄰域集；
所述根據調整后的相似度構建所述目標用戶u的擴展鄰域集的步驟包括：
對調整后的所述目標用戶u和所述其他任意用戶w之間的相似度進行排序，過濾出與所述目標用戶u相似度最高的l個用戶構建所述目標用戶u的擴展鄰域集。
2.根據權利要求1所述的基于協同過濾的物品推薦方法，其特征在于，所述根據所述用戶購買過的物品的集合計算目標用戶u和其他任意用戶w之間的相似度suw的步驟包括：
分別獲取所述目標用戶u購買過的物品的集合Iu和所述其他任意用戶w購買過的物品的集合Iw；
根據獲取到的所述集合Iu和所述集合Iw使用杰卡德相似度或余弦相似度計算所述目標用戶u和所述其他任意用戶w之間的相似度suw。
3.根據權利要求1所述的基于協同過濾的物品推薦方法，其特征在于，所述對所述κ互惠鄰域集內的所述目標用戶u和所述其他任意用戶w之間的相似度suw進行調整的步驟包括：
判斷所述其他任意用戶w是否在所述目標用戶u的κ互惠鄰域集內，若是，則將所述目標用戶u和所述其他任意用戶w之間的相似度suw調整為(1+γ)suw，其中γ為預設的相似度調節系數；
否則，所述目標用戶u和所述其他任意用戶w之間的相似度suw保持原值。
4.根據權利要求1所述的基于協同過濾的物品推薦方法，其特征在于，所述根據所述調整后的相似度及所述擴展鄰域集計算所述目標用戶u對任意物品j的喜好程度的公式如下：
其中，Uj為購買過物品j的用戶集合，為目標用戶u的擴展鄰域集，為調整后的目標用戶u與其他任意用戶w之間的相似度。
5.根據權利要求1所述的基于協同過濾的物品推薦方法，其特征在于，所述對計算出的所述目標用戶u和所述其他任意用戶w之間的相似度suw進行排序，過濾出與所述目標用戶u相似度最高的κ個用戶作為其鄰域集的步驟包括：
判斷所述目標用戶u與其他任意用戶u′的相似度suu′是否大于所述目標用戶u與所述其他任意用戶w之間的相似度suw，若是，則將所述其他任意用戶w在所述目標用戶u鄰域中的位置值加1，其中所述其他任意用戶u′為除用戶w以外的其他任意用戶；
過濾出在所述目標用戶u鄰域中的位置值較小的κ個用戶作為其鄰域集。
6.根據權利要求1所述的基于協同過濾的物品推薦方法，其特征在于，所述目標用戶u的擴展鄰域集中的用戶個數l大于等于所述目標用戶u的鄰域集中的用戶個數κ。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳大學，未經深圳大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910497780.8/1.html，轉載請聲明來源鉆瓜專利網。
