[發明專利]一種基于三支決策用戶聚類的協同過濾電影推薦方法

有效

• 申請號: 202110238299.4
• 申請日: 2021-03-04
• 公開（公告）號: CN113032687B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 胡軍;康凱
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/9535;G06F18/23213
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 陳棟梁

1.一種基于三支決策用戶聚類的協同過濾電影推薦方法，其特征在于，包括以下步驟：

數據預處理步驟：將電影的評分數據集使用K-fold交叉驗證法劃分為K組互不相交的訓練集和測試集；

基于三支決策的用戶聚類步驟：聚類流程分為用戶劃分、核心域聚類、邊界域聚類；

搜索近鄰的步驟：對目標用戶所在的簇根據相似度從高到低選取K個鄰居作為近鄰；

評分聚合的步驟：對每個聚類簇計算一個預測評分值，聚合后得到最終預測值，根據預測值進行電影推薦；

基于三支決策的用戶聚類步驟中，聚類簇結構表示為C＝{C¹,C²...,C^m...,Cⁿ}，其中全體聚類簇的集合由C表示，并劃分成為n個聚類簇；C^m表示該簇為C中的第m個簇，由核心域和邊界域組成，即C^m＝{Co(C^m),Fr(C^m)}；使用Co(C^m)表示C^m的核心域，核心域的對象完全屬于第m個簇C^m；使用Fr(C^m)表示C^m的邊界域，邊界域的對象部分屬于第m個簇C^m；

基于三支決策的用戶聚類步驟中，用戶劃分的步驟具體包括：1)將全體用戶中評分數量低于某個閾值的用戶劃分到邊界域fringes；2)對全體用戶應用KNN-DPC算法,計算每個用戶的密度值和距離值，并尋找到潛在的密度峰值點center，根據以下規則進行劃分：其中u為待劃分的用戶，cores為核心用戶，fringes為邊界用戶，ρ_u和δ_u為用戶u的密度值和距離值；δ_center為密度峰值點的距離值，ρ_center密度峰值點的密度值；

所述核心域聚類步驟具體包括：對核心用戶cores調用K-Means算法，得到初始的聚類結果即為每個簇的核心域Co(C^m)；

所述邊界域聚類具體包括：1)計算用戶u的鄰居分布在各個簇的比例，該值也用來度量用戶對邊界域的隸屬度，計算公式為其中P(u|C^m)表示用戶u的鄰居中屬于C^m的比例，Neighbor(u)為目標用戶u的前λ個最近鄰居，v表示目標用戶u的鄰居，C^m為三支用戶聚類算法第二步核心域聚類后的第m個簇，Co(C^m)為C^m的核心域；2)根據P(u|C^m)的值和三支決策閾值α和β對用戶進行劃分，其中α和β滿足1≥αβ≥0，若P(u|C^m)α，則將用戶u劃分到簇C^m的核心域Co(C^m)；若β≤P(u|C^m)≤α則將用戶u劃分到簇C^m的邊界域Fr(C^m)。

2.根據權利要求1所述的一種基于三支決策用戶聚類的協同過濾電影推薦方法，其特征在于，所述數據預處理步驟具體包括：實驗數據集應包含用戶id、電影id以及用戶對電影的評分信息，評分由離散數字表示，隨后按照K-fold交叉驗證法將數據隨機劃分為K份，每次取和之前不同的K-1份作為訓練集，剩下的一份作為測試集，進而得到K組訓練測試數據。

3.根據權利要求1所述的一種基于三支決策用戶聚類的協同過濾電影推薦方法，其特征在于，所述搜索近鄰的步驟具體包括：使用皮爾遜相關系數度量用戶的相似度，計算公式為i代表用戶u和v都評論過的電影，r_u,i表示用戶u對電影i的評分，表示用戶u的平均評分，r_v,i表示用戶v對電影i的評分，表示用戶v的平均評分，I_uv為用戶u和v共同評過的物品集合，同時考慮評分較少的用戶所表達的意見準確性不如評分較多的用戶，對評分數目低于閾值th的用戶相似度進行懲罰，添加懲罰系數后的相似度計算方法如下

其中PC(u,v)為按照上式計算到的用戶u和v之間的皮爾遜相關系數，th由經驗值確定，隨后對目標用戶所在的簇中根據相似度sim(u，v)從高到低選取K個鄰居作為近鄰。

4.根據權利要求3所述的一種基于三支決策用戶聚類的協同過濾電影推薦方法，其特征在于，所述評分聚合的步驟具體包括：基于用戶的協同過濾評分預測常用公式為其中p_u,i代表用戶u對物品i的預測評分，是用戶u的平均評分，v是用戶u的近鄰用戶，sim(u,v)代表用戶u和v之間的相似度，r_v,i是用戶v對物品i的評分，是用戶v的平均評分，一個用戶可能分配到多個簇中，在每個簇中都可以產生一個預測評分，采取的方法是對每個聚類簇計算一個預測評分值，聚合后得到最終預測值，聚合公式為其中P_u,i為最終預測評分，C(u)代表用戶u所在的所有簇的集合，為按照協同過濾評分預測常用公式計算得到的用戶u在簇C^m中的預測評分，為用戶u在簇C^m的隸屬程度，若用戶u在核心域則取值為1，否則使用P(u|C^m)值。