[發(fā)明專(zhuān)利]一種基于多階近鄰預(yù)測(cè)的推薦系統(tǒng)及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010974301.X
• 申請(qǐng)日: 2020-09-16
• 公開(kāi)（公告）號(hào): CN112115359A
• 公開(kāi)（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 張莉;孫曉寒;屈蘊(yùn)茜;王邦軍;周偉達(dá)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 蘇州大學(xué)
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535;G06F16/9536;G06Q30/06
• 代理公司: 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 許燕萍

1.一種基于多階近鄰預(yù)測(cè)的推薦系統(tǒng)，其特征在于，包括：

用戶(hù)評(píng)分矩陣建立模塊，用于根據(jù)用戶(hù)集合和物品集合建立用戶(hù)評(píng)分矩陣；

相似度計(jì)算模塊，用于計(jì)算任意兩個(gè)用戶(hù)之間的相似度；

迭代近鄰查找模塊，用于根據(jù)相似度計(jì)算結(jié)果為目標(biāo)用戶(hù)選擇N個(gè)近鄰用戶(hù)作為其一階近鄰，再選擇N個(gè)一階近鄰的一階近鄰作為其二階近鄰，并依次迭代，直至找出目標(biāo)用戶(hù)的k階近鄰集，其中，N和k均為正整數(shù)；

預(yù)測(cè)及推薦模塊，用于根據(jù)每一次迭代查找的近鄰集重新預(yù)測(cè)目標(biāo)用戶(hù)對(duì)物品的評(píng)分，并為目標(biāo)用戶(hù)進(jìn)行物品推薦。

2.如權(quán)利要求1所述的基于多階近鄰預(yù)測(cè)的推薦系統(tǒng)，其特征在于，所述根據(jù)用戶(hù)集合和物品集合建立用戶(hù)評(píng)分矩陣，具體包括：根據(jù)用戶(hù)集合U＝{u₁,u₂,...,u_n}和物品集合I＝{i₁,i₂,...,i_m}建立用戶(hù)評(píng)分矩陣R＝[r_ui]^n×m，其中，n和m分別代表用戶(hù)總數(shù)和物品總數(shù)，r_ui表示用戶(hù)u_u對(duì)物品i_i的評(píng)分。

3.如權(quán)利要求1所述的基于多階近鄰預(yù)測(cè)的推薦系統(tǒng)，其特征在于，所述計(jì)算任意兩個(gè)用戶(hù)之間的相似度，具體包括：根據(jù)PCC相似度計(jì)算公式計(jì)算任意兩個(gè)用戶(hù)u_u和u_v之間的相似度；所述PCC相似度計(jì)算公式如下：

其中，M表示用戶(hù)u_u和用戶(hù)u_v共同評(píng)分過(guò)的物品集合，r_ui和r_vi分別表示用戶(hù)u_u和用戶(hù)u_v對(duì)物品i_i的評(píng)分，和分別代表用戶(hù)u_u和用戶(hù)u_v的評(píng)分均值。

4.如權(quán)利要求1所述的基于多階近鄰預(yù)測(cè)的推薦系統(tǒng)，其特征在于，所述目標(biāo)用戶(hù)的k階近鄰集為：

其中，表示目標(biāo)用戶(hù)u_u的第k階近鄰集，近鄰集之間互不相交且每階近鄰集大小相同。

5.如權(quán)利要求1所述的基于多階近鄰預(yù)測(cè)的推薦系統(tǒng)，其特征在于，第k次迭代后，重新預(yù)測(cè)目標(biāo)用戶(hù)u_u對(duì)物品i_i的評(píng)分為：

其中，表示目標(biāo)用戶(hù)u_u的第k-1次迭代的評(píng)分均值，表示近鄰用戶(hù)u_v的第k-1次迭代的評(píng)分均值，S(u,k)表示用戶(hù)u_u的第k階近鄰集，N(i)表示對(duì)物品i_i產(chǎn)生過(guò)行為的用戶(hù)集，sim(u_u,u_v)表示目標(biāo)用戶(hù)u_u和近鄰用戶(hù)u_v的相似度。

6.一種基于多階近鄰預(yù)測(cè)的推薦方法，其特征在于，包括以下步驟：

S10、根據(jù)用戶(hù)集合和物品集合建立用戶(hù)評(píng)分矩陣；

S20、計(jì)算任意兩個(gè)用戶(hù)之間的相似度；

S30、根據(jù)相似度計(jì)算結(jié)果為目標(biāo)用戶(hù)選擇N個(gè)近鄰用戶(hù)作為其一階近鄰，再選擇N個(gè)一階近鄰的一階近鄰作為其二階近鄰，并依次迭代，直至找出目標(biāo)用戶(hù)的k階近鄰集，其中，N和k均為正整數(shù)；

S40、根據(jù)每一次迭代查找的近鄰集重新預(yù)測(cè)目標(biāo)用戶(hù)對(duì)物品的評(píng)分，并為目標(biāo)用戶(hù)進(jìn)行物品推薦。