[发明专利]一种结合评分数据与标签数据的个性化推荐方法

权利要求书

1.一种结合评分数据与标签数据的个性化推荐方法，其特征是根据用户对产品的评分数据和产品被标记的标签数据计算生成用户对标签的评分数据，然后采用基于用户的协同过滤思想来根据用户对标签的评分数据计算用户间的相似度，生成目标用户的相似用户群，最后根据相似用户群的评分来预测目标用户对产品的未知评分，对目标用户进行个性化推荐。

2.根据权利要求1所述的一种结合评分数据与标签数据的个性化推荐方法，其特征是具体实现为：

1)预先对标签数据进行清洗，包括筛选和去除两种方法：1)选择被两个以上用户使用过，并被用于5个以上产品的标签；2)设定删除关键词，去除含有所设定关键词的标签；

2)对标签的共同发生概率分布进行计算，标签z的共同发生概率分布计算公式如下：

p_z(t)＝∑_m∈Iq(t|m)Q(m|z)

其中，I代表所有产品的集合；

q(t|m)代表在确定产品m的前提条件下，对m使用标签t的概率；

Q(m|z)代表在确定标签z的前提条件下，z被用于产品m的概率；

p_z(t)代表在确定标签z的前提条件下，标签t也被用于同一件产品的概率；

3)计算用户对标签的评分，用户u对标签t的评分计算如下：

r^u,t=Σm∈Iuw(m,t)ru,mΣm∈Iuw(m,t)]]>

w(m,t)=Σz∈Tmn(m,z)pz(t)Σz∈Tmn(m,z)]]>

其中，I_u代表用户u评过分的产品的集合；w(m，t)代表标签t在产品m中的权重；T_m代表产品m上的标签的集合；n(m，z)代表标签z被用于产品m的次数；

4)计算用户间的相似度，两个用户u和v间的相似度计算如下：

S′(u,v)=Σt∈Tu,v(ru,t-r‾u,t)(rv,t-r‾v,t)Σt∈Tu,v(ru,t-r‾u,t)2Σt∈Tu,v(rv,t-r‾v,t)2]]>

其中，T_u，v代表用户u和v共同评过分的标签的集合；和分别代表用户u和v对T_u，v中所有产品的平均评分；

5)预测用户对产品的未知评分，用户u对产品m的评分计算公式如下：

r^u,m=r‾u,m,t+Σv∈Um,s′(u,v)>0s′(u,v)(rv,m-r‾v,m,t)Σv∈Um,s′(u,v)>0s′(u,v)]]>

其中，U_m代表所有对m评过分的用户，和分别代表用户u和v对产品m上的所有标签的平均评分；

根据预测目标用户对产品的未知评分，对目标用户进行个性化推荐。