[发明专利]一种基于用户特征的改进协同过滤推荐方法

权利要求书

1.一种基于用户特征的改进协同过滤推荐方法，其特征在于，所述改进协同过滤推荐方法包括以下步骤：

根据所有用户平均评分对原有用户评分区间进行修正，利用修正后的用户评分区间均值和所有用户平均评分，对原有用户评分进行修正，获取归一化处理后的用户评分；

根据归一化处理后的用户评分对评分差均值进行调整和归一化，结合原Jaccard相似性系数获取改进后的Jaccard相似性系数，以此获取用户评分相似度；

通过用户的性别、年龄、职业特征信息，对用户属性相似度进行计算；

将用户评分相似度和用户属性相似度线性结合作为最终用户相似度，并进行近邻计算，生成推荐列表。

2.根据权利要求1所述的一种基于用户特征的改进协同过滤推荐方法，其特征在于，所述归一化处理后的用户评分统一了用户评价尺度，对于同一物品，若用户的喜爱程度相同，用户评分为均值k。

3.根据权利要求1所述的一种基于用户特征的改进协同过滤推荐方法，其特征在于，所述改进后的Jaccard相似性系数具体为：

sim(u′,v′)Jaccard+=sim(u′,v′)Jaccard×Diff(u′,v′)=|Iu′∩Iv′||Iu′∪Iv′|×(1-Σi∈Iu′v′(|ru′i-rv′i|)lN×(rmax-rmin)l)]]>

其中，sim(u',v')^Jaccard+为改进后的Jaccard相似性系数；sim(u',v')^Jaccard为Jaccard相似性系数；I_u’v’为用户u’与用户v’共同评价的物品集合；N表示用户u’与用户v’共同评价的物品总数；l为调节因子，用于对评分差值产生的影响进行调节；r_max是评分规则中的最高分；r_min是评分规则中的最低分；Diff(u',v')为归一化处理后的评分差均值；I_u'为用户u’评价的物品集合；I_v'为用户v’评价的物品集合；r_u'i为用户u’对物品i的评分；r_v'i为用户v’对物品i的评分；i为物品。