[發(fā)明專利]一種基于GWO-FCM的個性化推薦方法

在審

• 申請?zhí)枺?/td>: 202011495658.6
• 申請日: 2020-12-17
• 公開（公告）號: CN112507231A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 王永貴;李昕
• 申請（專利權(quán)）人: 遼寧工程技術(shù)大學(xué)
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/00;G06K9/62
• 代理公司: 北京華夏正合知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11017
• 代理人: 韓登營;張麗萍

本發(fā)明公開了一種基于GWO?FCM的個性化推薦方法，該方法包括以下步驟：S1、從電影觀看平臺中得到用戶在一定時間周期內(nèi)的數(shù)據(jù)信息，獲取用戶的興趣愛好；S2、根據(jù)用戶的行為信息，應(yīng)用優(yōu)化的協(xié)同過濾算法提取電影信息，形成算法推薦列表；S3、處理算法推薦列表，根據(jù)用戶的觀看記錄和瀏覽記錄進(jìn)行篩選，預(yù)測過濾后的電影評分并且進(jìn)行排序，得到實(shí)際推薦列表，形成個性化推薦；S4、根據(jù)預(yù)測評分對推薦內(nèi)容降序排列，將電影的具體信息推送到對應(yīng)的位置。本發(fā)明充分了解用戶間的興趣愛好進(jìn)行推薦，使用基于狼群算法優(yōu)化的模糊C?均值聚類算法的個性化推薦模型，能夠在一定程度上緩解數(shù)據(jù)稀疏性，更加精準(zhǔn)地進(jìn)行推薦。

技術(shù)領(lǐng)域

本發(fā)明屬于個性化推薦的技術(shù)領(lǐng)域，尤其涉及一種基于GWO-FCM的個性化推薦方法。

背景技術(shù)

跟隨物聯(lián)網(wǎng)、人工智能、互聯(lián)網(wǎng)+的火速發(fā)展，海量的數(shù)據(jù)信息通過網(wǎng)絡(luò)傳送到世界各地，給人們的生活帶來了極大的便利，但是伴有信息過載的問題。在這個信息爆炸的時代，如何從海量數(shù)據(jù)中提取有效信息，做出合理選擇越來越成為人們關(guān)注的焦點(diǎn)。個性化推薦系統(tǒng)根據(jù)每個用戶的興趣和偏好，進(jìn)行數(shù)據(jù)挖掘，挑選出用戶可能感興趣的商品，實(shí)現(xiàn)個性化推薦。

協(xié)同過濾技術(shù)是實(shí)現(xiàn)推薦的常用技術(shù)，主要包括三個部分：對用戶行為進(jìn)行表示，選擇鄰居用戶或者鄰居項(xiàng)目，進(jìn)行推薦。但是在實(shí)際操作中，傳統(tǒng)的協(xié)同過濾技術(shù)仍然存在推薦準(zhǔn)確率較低的問題，在尋找相似用戶或者相似物品時偏差較大。

發(fā)明內(nèi)容

為了緩解推薦系統(tǒng)存在數(shù)據(jù)稀疏性的問題，提高推薦準(zhǔn)確率，本發(fā)明提出一種基于GWO-FCM的個性化推薦方法，充分了解用戶間的興趣愛好進(jìn)行推薦，使用基于狼群算法優(yōu)化的模糊C-均值聚類算法的個性化推薦模型，能夠在一定程度上緩解數(shù)據(jù)稀疏性，更加精準(zhǔn)地進(jìn)行推薦。

為了解決上述技術(shù)問題，本發(fā)明通過以下技術(shù)方案來實(shí)現(xiàn)：

本發(fā)明提供的基于GWO-FCM的個性化推薦方法，包括以下步驟：

S1、從電影觀看平臺中得到用戶在一定時間周期內(nèi)的數(shù)據(jù)信息，獲取用戶的興趣愛好；

S2、根據(jù)用戶的行為信息，應(yīng)用優(yōu)化的協(xié)同過濾算法提取電影信息，形成算法推薦列表；

S3、處理算法推薦列表，根據(jù)用戶的觀看記錄和瀏覽記錄進(jìn)行篩選，預(yù)測過濾后的電影評分并且進(jìn)行排序，得到實(shí)際推薦列表，形成個性化推薦；

S4、根據(jù)預(yù)測評分對推薦內(nèi)容降序排列，將電影的具體信息推送到對應(yīng)的位置。

進(jìn)一步的，所述步驟S2中優(yōu)化的協(xié)同過濾算法即為GWO-FCM算法，使用灰狼算法對模糊C-均值算法的初始聚類中心進(jìn)行優(yōu)化，插入到傳統(tǒng)的協(xié)同過濾算法中。

進(jìn)一步的，所述步驟S4中，根據(jù)如下公式進(jìn)行評分預(yù)測：

其中，P_i為計(jì)算得到的預(yù)測分?jǐn)?shù)，為用戶u的平均評分，I_u為目標(biāo)用戶的鄰居集合，sim_uv為用戶u和用戶v的相似度，不同用戶間的相似度計(jì)算公式如下：

其中，r_u，i、r_u，j分別表示用戶u對項(xiàng)目i和項(xiàng)目j的評分，表示用戶u對其評分項(xiàng)目的平均評分，U_i∩U_j表示對項(xiàng)目i和項(xiàng)目j同時評分過的用戶集合。

由上，本發(fā)明的基于GWO-FCM的個性化推薦方法至少具有如下優(yōu)點(diǎn)：

(1)、針對不同用戶有不同的推薦方案，實(shí)現(xiàn)個性化推薦。

(2)、針對用戶的興趣變化及時進(jìn)行推薦，有更加優(yōu)質(zhì)的推薦內(nèi)容。