[發明專利]用戶相似度改進的協同過濾推薦系統及方法

在審

• 申請號: 202011071837.7
• 申請日: 2020-10-09
• 公開（公告）號: CN112364254A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 張蕾;唐凱辰;伊麗萍
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/9535
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

本發明涉及推薦系統技術領域，為提出一種用戶相似度改進的協同過濾推薦算法，使得推薦結果更加精準，并緩解用戶冷啟動問題。本發明，用戶相似度改進的協同過濾推薦系統及方法，包括服務器和客戶端，用戶通過客戶端向服務器提出服務請求，服務器端執行如下程序：構建用戶?電影評分矩陣；得到用戶評分相似度；根據用戶屬性計算用戶屬性相似度；將用戶評分相似度和用戶屬性相似度結合得到最終的用戶相似度；根據用戶相似度找出與目標用戶相似度最大的K個用戶；計算目標用戶對未評分過物品的預測評分；推薦給目標用戶。本發明主要應用于互聯網信息推薦場合。

技術領域

本發明涉及推薦系統技術領域，具體涉及一種用戶相似度改進的協同過濾推薦系統及方法。

背景技術

隨著互聯網的蓬勃發展，海量的信息資源造成了“信息過載”問題，生產者難以將對消費者有用的信息呈現給消費者，而消費者難以找到自己感興趣的信息。為了解決這一問題，推薦系統技術應運而生。其通過分析用戶的歷史行為等，推測出用戶的興趣，建立用戶興趣模型，從海量信息中找到符合用戶興趣的信息推薦給用戶。作為和搜索引擎一樣幫助用戶篩選信息的工具，推薦系統主動為用戶推薦其感興趣的信息或物品，從而克服了搜索引擎中需要用戶明確的需求和一定的搜索技術的問題。

推薦系統中最核心的是推薦算法的設計。協同過濾算法是較為經典和廣泛運用的一種推薦算法。協同過濾算法又可分為基于用戶的協同過濾算法、基于物品的協同過濾算法、矩陣分解算法等。基于用戶的協同過濾算法的思想是用戶可能會喜歡興趣相似的其他用戶喜歡的物品。該算法首先計算各用戶之間的興趣相似度，然后對于目標用戶，選取與其具有最高相似度的一些用戶，稱為近鄰用戶，通過近鄰用戶對物品的評分計算出目標用戶對其未有過行為的物品的預測評分，最后根據預測評分生成對目標用戶的推薦列表。由于是將其他用戶作為中介，因此稱為基于用戶的協同過濾算法。基于用戶的協同過濾算法可以通過用戶的行為精準地挖掘出用戶的偏好，但也存在著數據稀疏、冷啟動等問題。

在基于用戶的協同過濾算法中，傳統的用戶相似度計算方法如杰卡德相似度、余弦相似度、皮爾遜相似度等，存在著用戶相似度區分度不夠、忽略用戶評分尺度、忽略用戶評分規模、用戶相似度不夠準確等問題，導致推薦結果不夠準確。

對基于用戶的協同過濾算法中存在的上述問題，提出一種改進的用戶相似度計算方法，從用戶評分數值、用戶評分尺度、用戶共同評分規模、用戶屬性幾方面改進用戶相似度計算公式，從而提高用戶相似度的準確度，使得推薦結果更加精準，并緩解用戶冷啟動問題。

發明內容

為克服現有技術的不足，針對現有的基于用戶的協同過濾算法中存在的問題，本發明旨在提出一種用戶相似度改進的協同過濾推薦算法，該方法能夠提高用戶相似度計算的準確性，使得推薦結果更加精準，并緩解用戶冷啟動問題。為此，本發明采取的技術方案是，用戶相似度改進的協同過濾推薦系統，包括服務器和客戶端，用戶通過客戶端向服務器提出服務請求，服務器端執行如下程序：

步驟一：收集用戶對電影的評分數據，構建用戶-電影評分矩陣；

步驟二：計算用戶評分數值相似度、用戶興趣相似度和用戶共同評分權重，結合權重得到用戶評分相似度；

用戶評分數值相似度按照如下公式計算：

其中，sim₁(u,v,i)為用戶u和用戶v對于物品i的評分數值相似度，r_ui和r_vi分別為用戶u和用戶v對物品i的評分；

用戶興趣相似度按照如下公式計算：