[发明专利]一种基于项目属性评分均值的协同过滤推荐方法

权利要求书

1.一种基于项目属性评分均值的协同过滤推荐方法其特征在于，主要包括以下步骤：

(1)用户-项目属性评分矩阵的构造。定义项目的属性集为A＝{A₁,A₂,…,A_k,…A_l}，A_k＝{a₁,a₂,…,a_t}。需要注意的是，对于某一项目的属性A_k，其可能有多个取值。例如，一部电影既是动作片又是科幻片，一件商品既是女装又是户外等。设用户对第k个属性A_k的评分矩阵为G，表示如下：

确定用户对各属性值的评分，即g_ij。采用均值法：即以用户对具有某一属性值的项目的评分的均值作为其评分，定义如下：

gij=Σh=1NrhN]]>

由定义可知，每个用户对每个属性值的评分至多只有一个值，例如，用户A对喜剧电影的评分为4；如果A没有看过悲剧电影，则其没有该项评分。

(2)项目属性的确定。主要从以下两个方面进行度量：

数据稀疏度：用户评分数据矩阵中未评分条目所占的百分比，其公式定义如下：

Ps=(1-Nrm×n)×100%]]>

数据减少率：用户-项目属性评分相比用户-项目评分所减少的数据量的比率，定义如下：

pd=(1-NaNo)×100%]]>

(3)推荐的生成。对多个预测评分求均值作为最终评分，并选取Top T项目推荐给用户。

2.根据权利要求1所述的基于项目属性评分均值的协同过滤推荐方法其特征在于：

权利要求1中(1)所述m为用户数量，t是属性A_k值的数量，N代表用户i评价过的A_k＝a_j的项目的数量，r_h代表用户对A_k＝a_j的项目的评分。

权利要求1中(2)所述N_r为评分总量，m为矩阵的行数(用户的数量)，n为矩阵的列数(项目或者项目属性值的数量)，N_a为用户-项目属性评分的数据量，N_o为用户-项目评分的数据量。