[发明专利]一种基于混合协同过滤的推荐方法

权利要求书

1.一种基于混合协同过滤的推荐方法，其特征在于，包括如下步骤：

步骤1、建立一个用户-项目评分矩阵，使用优化奇异值分解的方法将用户-项目矩阵分解成关于用户和关于项目的两个隐性因子矩阵；

步骤2、采用梯度下降法针对两个隐性因子矩阵不断迭代逼近最优目标参数；

步骤3、将两个隐性因子矩阵相乘，得到一个满秩的用户-项目矩阵；

步骤4、在满秩的用户-项目矩阵上，引入用户评分偏差和项目评分偏差，然后采用两种基于KNN的协同过滤算法相结合，分别获得基于项目的协同过滤预测评分和基于用户的协同过滤预测评分，将两种协同过滤预测评分加权求和得到用户对项目的预测评分，最终将预测评分最高的多个项目生成推荐列表给用户。

2.如权利要求1所述的一种基于混合协同过滤的推荐方法，其特征在于，所述的步骤1中所述用户-项目评分矩阵中包括m个用户和n个项目，将该用户-项目评分矩阵进行奇异值分解，获得关于用户的隐性因子矩阵U和关于项目的隐性因子矩阵M；其中U为一个F×m阶矩阵，M为一个F×n阶矩阵，F为奇异值个数，即为隐性因子的个数。

3.如权利要求2所述的一种基于混合协同过滤的推荐方法，其特征在于，

所述最优目标参数为：$E=\frac{1}{2}\underset{\left(i,j\right)\∈R}{\Σ}{(r_{ij}-d_i-d_j-u_i{m}_j^T)}^2+\mathrm{\λ}\left(\right|\left|u_i\right|{|}^2+\left|\right|m_j|{|}^2+{d_a}^2+{d_b}^2);$

u_i＝[u_i1，u_i2，…，u_if，…，u_iF]，m_j＝[m_j1，m_j2，…，m_jf，…，m_jF]；r_ij为实际评分；λ为预设的正则化约束平衡系数，d_i为设定的用户i的评分偏差，d_f为设定的项目j的评分偏差；f∈[1，F]，u_if为矩阵U的第i行第f列的值，m_jf为矩阵M的第j行第f列的值。