[发明专利]基于Jaccard均衡距离的协同过滤推荐方法

权利要求书

1.基于Jaccard均衡距离的协同过滤推荐方法，包括如下步骤：

(1)根据推荐系统提供的用户-项目评分记录构造大小为m×n的用户-项目评分矩阵R，其中m为用户数量，n为项目数量，将用户项目评分矩阵R中的90％作为训练集合T，10％做为测试集C；

(2)依据训练集T中的评分数据，用Jaccard均衡距离方法计算用户的相似度得到一个m×m的相似度矩阵该相似度矩阵第i行中的数据元素表示用户i和其他所有用户的相似度，元素X(i,j)表示用户i与用户j的相似度；

(3)确定最近邻居查询个数nu；

(4)确定目标用户U，待评分项目I_c；

(5)用(2)中得出的相似度矩阵X和最近邻居查询个数nu，确定目标用户U的邻居集S(U)；

(6)计算用户U对项目I_c的预测评分值r_i,c；

(7)循环步骤(4)-(6)对测试集中的所有用户的评分都进行预测；

(8)对测试集中的每个用户，将其预测评分值从大到小排列，选择前N个项目作为推荐项目，其中5≤N≤20。

2.根据权利要求1所述的基于Jaccard均衡距离的协同过滤推荐方法，其特征在于，所述步骤(2)中用Jaccard均衡距离方法计算两用户之间的相似度，其计算公式如下：

X(i,j)=|Ii,j||Ii∪Ij|·m(Vmax-Vmin)2Σs∈Ii,j(ri,s-rj,s)2,if∃s∈Ii,j,ri,s≠rj,s|Ii,j||Ii∪Ij|·m(Vmax-Vmin)20.9+Σs∈Ii,j(ri,s-rj,s)2,if∃s∈Ii,j,ri,s=rj,s,]]>

其中，X(i,j)为第i个用户与第j个用户之间的相似度；I_i为第i个用户评过分的项目所组成的集合，|I_i|表示集合I_i中元素的个数，I_j为第j个用户评过分的项目所组成的集合，|I_j|表示集合I_j中元素的个数，I_i,j为第i个用户与第j个用户共同评价过的项目组成的集合，I_i,j＝I_i∩I_j，|I_i,j|表示集合I_i,j中元素的个数；r_i,s,r_j,s分别为第i个用户和第j个用户对项目s的评分。

V_max与V_min分别为第i个用户的项目评分与第j个用户的项目评分所构成的多维向量空间中的最大空间向量和最小空间向量，最大空间向量表示为：

V_max＝{v_max,1,v_max,2,...,v_max,p,...,v_max,l},1≤p≤l,l＝|I_i,j|

其中，v_max,p＝max{r_u,v|1≤u≤m,1≤v≤n}，

最小空间向量表示为：

V_min＝{v_min,1,v_min,2,...,v_min,p,...,v_min,l},1≤p≤l,？l＝|I_i,j|

其中v_min,p＝min{r_u,v|1≤u≤m,1≤v≤n}，式中的表示该的多维空间的最大空间距离。