[發明專利]一種基于鄰域粗糙集的電影三支推薦方法

有效

• 申請號: 202010631881.2
• 申請日: 2020-07-03
• 公開（公告）號: CN111814046B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 吳成英;張清華;高滿;程云龍;趙凡;艾志華
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

1.一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，具體包括以下步驟：

S1、從當前電影資源庫中選取評分排名60％的電影作為待選集；

S2、獲取用戶對待選集中電影的評分數據，對評分數據進行歸一化處理；

S3、構建用戶與用戶之間的相似性矩陣；

S4、以目標用戶為中心構建鄰域，且令鄰域內的用戶都與鄰域中心的用戶相似，將鄰域中的用戶作為近鄰用戶；

S5、計算訓練數據集的全局領域半徑和每個用戶的最優鄰域半徑，若用戶最優鄰域半徑大于全局鄰域半徑則用戶屬于正區域或負區域用戶，否則用戶為邊界區域用戶；

S6、根據邊界區域用戶隸屬目標概念的隸屬度構造陰影集，由陰影集模型得到三支推薦的閾值；

S7、待推薦數據根據訓練模訓練出的鄰域半徑構建鄰以便得到用戶隸屬目標概念的隸屬度，并根據隸屬度與推薦閾值的大小關系進行三支劃分；

S8、進行三支推薦，即對劃分到正區域的用戶采取推薦的決策；對劃分到負區域的用戶采取拒絕推薦的決策；對劃分到邊界區域的用戶，根據用戶信息進行進一步劃分。

2.根據權利要求1所述的一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，用戶與用戶之間的相似性矩陣中用戶i與用戶j之間的相似度表示為：

其中，Δ(x_i,x_j)為用戶i與用戶j之間的相似度，即用戶與用戶之間的相似性矩陣的第i行j列；v′_im表示歸一化后用戶i對電影m的評分；n表示用戶評分的電影數量，如果用戶沒有看過該電影或者沒有評論，則評分為0。

3.根據權利要求1所述的一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，用戶的鄰域大小取決于鄰域半徑，用戶的鄰域半徑根據訓練用戶的最佳鄰域半徑確定，表示為：

其中，為全局鄰域半徑；表示用戶xi的最佳鄰域半徑；m為訓練用戶的總個數。

4.根據權利要求3所述的一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，用戶x的最優鄰域半徑表示為：

其中，δ為鄰域半徑；ρ(x,δ)為用戶的鄰域粒度密度；N(x,δ)為以x為中心、δ為半徑構建的鄰域區域；X_i為目標概念；|V_d|為訓練用戶的總個數。

5.根據權利要求4所述的一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，用戶的鄰域粒度密度ρ(x,δ)表示為：

其中，|U|表示用戶的總數量；|N(x,δ)|為以x為中心、δ為半徑構建的鄰域的勢。

6.根據權利要求1所述的一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，用戶的隸屬度表示為：

其中，表示用戶x的隸屬度；N(x,δ)為以x為中心、δ為半徑構建的鄰域區域；X₁表示目標概念，目標概念為有共同喜好的用戶集合；|·|表示集合的勢。

7.根據權利要求1所述的一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，進行三支劃分包括：

其中，表示三支之后的隸屬度，μ_A(x)表示用戶x的隸屬度；α、β均為推薦閾值，且α和β為兩個實數且0≤β＜α≤1、β＝1-α。

8.根據權利要求7所述的一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，推薦閾值通過構建陰影集模型得出，表示為：

其中，card(·)表示對象屬于陰影區域的總個數。

9.根據權利要求7所述的一種基于鄰域粗糙集的電影三支推薦方法，其特征在于，進行三支推薦包括：

當目標用戶隸屬度即用戶被劃分到三支決策的正域，推薦系統推薦當前目標概念對應的電影；

當目標用戶隸屬度即用戶被劃分到三支決策的負域，推薦系統不推薦當前目標概念對應的電影；

當目標用戶隸屬度即用戶被劃分到三支決策的邊界域，推薦系統暫緩決策。