[发明专利]一种基于半余弦函数的个性化推荐算法

权利要求书

1.一种基于半余弦函数的个性化推荐算法，其特征在于：首先通过用户特征向量将用户进行聚类以缩小最近邻搜索范围；再采用一种半余弦函数作为时间权重函数捕捉用户兴趣的动态变化趋势，使距离当前时间较近的项目评分拥有较大权重；最后利用经典的协同过滤评分预测公式，根据最近邻用户对项目的评分，预测目标用户对项目的评分，根据评分高低生成项目推荐结果集合。

2.根据权利要求1所述的基于半余弦函数的个性化推荐算法，其特征在于，包含如下步骤：

步骤1：根据用户的特征数据，将其作为计算两个用户之间特征相似度的参数，假设用户a和b的特征值向量为                                                ，，则用户a和b的特征相似度计算公式为：，其中k表示用户特征数，， 运用此公式再通过K-Means算法得到相似用户聚类簇集合；

步骤2：定义半余弦函数为，T是常数起到调节曲线变化快慢趋势的作用，定义域t的取值范围为，值域的范围在[0,1]；

假设用户a和b对项目i的原始评分为和，带时间权重的项目评分为和，平均评分为和，则，，同理可以得到，，再将和，和代入皮尔森相关系数公式计算用户之间相似度，公式如下：

 

由上述公式可以确定与目标用户相似度最高的δ个用户作为最近邻集合；

步骤3：将选出的δ个最近邻用户都评分过的项目作为待推荐项目，若恰好满足推荐要求个数，则将所有待推荐项目作为最终推荐项目；若不足推荐要求个数，选出δ-1个最近邻用户评分过的项目作为待推荐项目直到满足或者多于推荐要求个数；当多于推荐要求个数时，再利用经典的协同过滤评分预测公式，根据最近邻用户对所有项目的平均评分以及对项目i的评分，预测目标用户u对项目i的评分，根据评分大小生成项目推荐结果集合，预测公式如下：

。