[发明专利]基于模糊机制用户评分邻域信息的协同过滤推荐方法

权利要求书

1.一种基于模糊机制用户评分邻域信息的协同过滤推荐方法，包括如下步骤：

(1)从原始的用户-物品-评分-时间这四维数据中获取用户U对项目I的评分信息，创建用户对项目的评分矩阵R_n×p，其中n代表用户的数目，p代表项目的数目；

(2)根据用户的评分矩阵，确定任意两个用户a与用户b的相似度值sim(a,b)：

(2a)运用软划分机制，分别构建用户u对项目i评分的喜欢隶属度L_u,i和用户u对项目i评分的不喜欢隶属度D_u,i：

其中r_u,i为用户u对项目i的评分，m为推荐系统用户评分的最小值，M为推荐系统用户评分的最大值；

(2b)运用项目评分的上下文信息，分别构建项目i评分的喜欢贡献率因子C_li和项目i评分的不喜欢贡献率因子C_di：

其中#U_i表示整体用户对项目i的评分人数；

(2c)运用如下改进的Jaccard函数Jnum(a,b)，对评分数目小于平均项目数的用户进行相似度值的惩罚：

其中

其中#I_a表示用户a对整体项目的评分数目，#I_b表示用户b对整体项目的评分数目，表示整体用户的平均项目数,Q₃为用户评分数目的四分之三分位数；

(2d)构建任意两个用户a与b喜欢不喜欢的相似函数LD(a,b)如下：

其中

其中r_u表示用户u对已经评价项目的评分平均值；

2e)结合改进的Jaccard函数Jnum(a,b)和喜欢不喜欢相似函数LD(a,b)，构建任意两个用户a与b最终的相似度函数sim(a,b)：

sim(a,b)＝LD(a,b)·Jnun(a,b)；

(3)根据步骤(2)所构建的任意两个用户a与b最终相似度函数sim(a,b)，计算所有用户两两之间的相似度，选择与目标用户相似程度最高的k个邻居用户，根据所选的k个邻居的项目评分数据，对目标用户未评分项目进行评分预测；

(4)根据预测评分，对目标用户未评分项目进行分数值从大到小的排列，筛选出前N个项目即产生对用户的推荐项目，2≤N≤20。

2.根据权利要求1中所述的方法，根据所述步骤(3)中根据所选的k个邻居的项目评分数据，对目标用户未评分项目进行评分预测，按如下步骤进行：

(3a)将目标用户与其他用户的相似度按照从大到小的顺序排列，取排列顺序中最前面的k个用户作为目标用户的邻居用户,k≥50；

(3b)获取k个邻居用户后，通过下式对目标用户未评分的项目进行评分预测：

其中

其中，p_u,i为目标用户u对未评分项目i的预测评分值，sim(u,n)为目标用户u与邻居用户n的相似度值，为用户n对已经评价项目的评分平均值，K_u为k个邻居用户集合，H_u,_i为集合K_u中对项目i评分的邻居用户集合，n为H_u,i集合中的用户。