[發(fā)明專利]一種基于改進的協(xié)同過濾算法的刀具推薦方法

在審

• 申請?zhí)枺?/td>: 202110588641.3
• 申請日: 2021-05-28
• 公開（公告）號: CN113326444A
• 公開（公告）日: 2021-08-31
• 發(fā)明（設計）人: 郭宏;伊亞聰;閆獻國;胡孔耀;呂娜;徐延;劉成波
• 申請（專利權）人: 太原科技大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于改進的協(xié)同過濾算法的刀具推薦方法。包括以下步驟：提取用戶?項目評分表并進行預處理；對處理后的數據進行轉化，通過相似度的計算公式進行計算；選擇用戶的最近鄰據集；對目標用戶的鄰居集的未評分項目進行預測評分。本發(fā)明能夠在稀疏數據集上獲得很好的預測效果，解決了傳統(tǒng)算法受共同評分項限制的問題，提高了預測準確率。

技術領域

本發(fā)明涉及物品推薦領域，特別是涉及一種基于改進的協(xié)同過濾算法的刀具推薦方法。

背景技術

智能制造是祖國未來制造業(yè)的主攻方向，在國防軍工、高端裝備、高精密裝備制造過程中刀具起著至關重要的地位。一個零件的加工需要數把刀具的配合才能夠完成。

大數據時代，信息數據量日益增長，由于加工的需求，使得刀具多樣化，復雜化。制造商、供應商、應用企業(yè)對刀具的需求與日俱增。客戶可以在全球范圍內尋找自己所需的產品，產品的個性化生產使得對刀具的需求越來越多。同時為了高速、高效、高質地加工所需產品，各種專用刀具不斷被設計出來，刀具的種類和數量也越來越繁多。導致Web用戶對于刀具的選擇造成一定的困惑，很難捕捉到有價值的信息。

推薦系統(tǒng)可以主動預測用戶需求，為用戶推薦相應的需求，已成為緩解信息過載問題最常用的方法之一。推薦系統(tǒng)從用戶過去購買刀具的記錄中分析出商品的特性，通過分析用戶對刀具的評分進行預測進而推薦給符合用戶需求的刀具。

傳統(tǒng)的協(xié)同過濾推薦算法受共同評分項的限制，預測準確率不高。

發(fā)明內容

1、發(fā)明目的。

本發(fā)明提供一種基于改進的用戶協(xié)同過濾推薦算法的刀具推薦方法。

2、本發(fā)明所采用的技術方案。

本發(fā)明公開了一種基于改進的用戶協(xié)同過濾推薦算法的刀具推薦方法，具體步驟為：

S1：收集用戶--項目的評分矩陣；

S2:通過用戶的評分信息進行相似度計算；

S3：巴氏系數計算公式:

其中：k表示評分數目，n(i)表示用戶的評分項目數目，n(x)表示分值為v的項目數目。

S4：KL散度計算公式:

其中：ρ_u為項目u的密度函數，r^max為評分區(qū)間的最大值，ρ_ur＝#r/#u為用戶u中評分值為 r的比率，#u為用戶對項目的評分個數，#r為用戶u中值為r的評分個數。

S5:Jaccard系數計算公式:

其中I_u表示用戶u評分的項目，I_v表示用戶v評分項目。

S6：Pearson系數:

其中I_u,v表示用戶u和v的共同評分項目集，r_u,i和r_v,j分別表示用戶u和v對項目i的評分，表示用戶u的平均評分，表示用戶v的平均評分。

S7：融合KL散度、巴氏系數:

sim_CFBKJ(u,v)＝sim_Jac(sim_KL(u,v)×sim_BC(u,v)+sim_pear(u,v)) (5)

其中：sim_Jac為Jaccard相似度，通過共同評分項的比重，提高相似度。sim_KL(u,v)為KL散度相似度，解決評分高度重疊問題。sim_BC(u,v)為巴氏系數相似度，解決了評分偏好問題。sim_pear(u,v) 為Pearson相關系數，用于計算共同評分項的相似度。

S8:選擇目標用戶相似度高的前n個鄰居用戶：