[发明专利]基于用户间多相似度的协同过滤推荐方法

说明书

技术领域

本发明涉及一种协同过滤推荐方法，尤指一种基于用户间多相似度的协同过滤推荐方法。

背景技术

互联网时代的到来，使人们又增加了一条极为重要的获取信息的途径。互联网技术的飞速发展，也带动了互联网上的信息总量以指数级的速度增长着，从而使得互联网信息过载问题日益严重。用户面对浩瀚如烟的海量信息往往变得无所适从，无法快速地从中找到自己需要的信息。而作为一种能有效改善互联网信息过载问题的技术手段，推荐系统正越来越受到业界的重视，自从上世纪90年代中期被提出以来，无论在学术界还是实际应用中都获得了极大的关注。推荐系统通过学习用户的行为，了解和掌握用户的偏好，从而可以更有针对性地向用户推荐他们可能感兴趣的内容。

在已有的推荐算法中，协同过滤推荐算法是比较成熟，也是在实际应用中使用非常广泛的一类推荐算法。目前已有的大部分协同过滤推荐算法都可以分成三步：(1)根据用户的历史评分记录计算用户之间的评分相似度；(2)从与当前用户相似度最高的用户中选取若干个作为最近邻，根据这些最近邻对于某一项目的实际评分来预测当前用户对于该项目的评分；(3)选取预测评分最高的若干个项目作为推荐结果提供给当前用户。协同过滤推荐算法是基于用户的历史评分记录来产生推荐的，从理论上讲不需要了解用户的个人信息，也不需要了解项目的内容信息。因此，对于任何种类的用户和项目，协同过滤推荐算法都能获得相近的推荐质量，这一特点使它特别适合用来推荐电影、音乐等其他类型的推荐算法很难处理的项目。

由此可知，协同过滤推荐算法的基本思想是通过与当前用户相似的其他用户对于某一项目的实际评分，来预测当前用户对于该项目的评分。“相似”的用户就是指兴趣和口味相似的用户。因此，相似的用户在给项目评分时往往会给出相近的评分结果，而这也是利用协同过滤进行评分预测的主要依据。但是日常经验告诉我们，人们对于不同类型事物的喜好程度往往是不同的。也就是说，同时对某类事物感兴趣的两个人，对于另一类事物的喜好程度有可能就会完全不同。表现在对项目的评分上就是这两人对于某一类型的项目的评分比较相近，但是对于另一类项目的评分则有可能大相径庭。因此，从这个角度来看，传统的协同过滤推荐算法仅依靠单一的相似度来度量两个用户对于所有类型项目的喜好相似程度不是很合理。

因此，如何提供一种可有效提高推荐质量的协同过滤推荐方法，以克服现有技术所存在的问题，便成为目前业界急待克服的课题。

发明内容

鉴于上述现有技术的缺点，本发明的目的在于提供一种基于用户间多相似度的协同过滤推荐方法，以克服传统协同过滤推荐算法中仅采用单一相似度无法准确描述用户间对于不同项目类型喜好的相似程度的问题。

为达到上述目的，本发明所提供的基于用户间多相似度的协同过滤推荐方法，其用以将欲推荐的项目的预测评分提供给第一用户，该方法包括：(1)确定欲推荐的项目所包含的多个类型；(2)定义与第一用户共同参与评分过的属于所确定的每个类型的项目的其他至少一个用户为第二用户；(3)采用相关相似性或余弦相似性分别计算第一用户与多个第二用户中的每一个第二用户之间的针对所确定的各个类型的相似度；(4)自该多个第二个用户中选取K个与第一用户针对所确定的各个类型的相似度最高的用户作为最近邻用户，并依据所计算得到的第一用户与该K个最近邻用户相互之间针对所确定的各个类型的相似度，，且搭配依据该K个最近邻用户对属于所确定的类型的项目的实际评分，分别计算得到第一用户基于欲推荐的项目所包含的各个类型的多个预测评分；以及(5)对所计算得到的多个预测评分取加权平均值，并将加权平均的结果作为欲推荐的项目的预测评分提供给第一用户。

具体而言，在本发明的一个实施例中，上述步骤(3)中采用相关相似性计算第一用户与其中一个第二用户之间的针对由步骤(1)所确定的各个类型的相似度的计算公式如下：