[发明专利]协同过滤推荐方法、电子设备及计算机可读存储介质

说明书

本发明公开了一种协同过滤推荐方法，该方法包括步骤：根据用户标签相关性矩阵计算目标用户与不同指定用户的相似性，按照相似性大小选取第一预定数量的指定用户作为该目标用户的最近邻居集合；从所述最近邻居集合的用户标签中选取该目标用户未使用的标签，作为该目标用户的候选标签；计算该目标用户与每个候选标签的相关性，按照相关性大小选取第二预定数量的候选标签作为该目标用户的新增标签；根据该目标用户的原始标签和新增标签，推荐与该原始标签和新增标签相关的项目至该目标用户。本发明可以提高推荐效率。

技术领域

本发明涉及计算机信息技术领域，尤其涉及一种协同过滤推荐方法、电子设备及计算机可读存储介质。

背景技术

目前，传统的协同过滤推荐方法主要包括基于用户的协同过滤推荐和基于项目的协同过滤推荐。然而，在评分矩阵稀疏的情况下，传统的协同过滤推荐算法可能无法进行相似性计算。并且，随着用户的增长，计算量呈线性增长，可扩展性不是很理想。故，现有技术中的协同过滤推荐方法设计不够合理，亟需改进。

发明内容

有鉴于此，本发明提出一种协同过滤推荐方法、电子设备及计算机可读存储介质，通过引入用户-标签相关性矩阵和标签-项目相关性矩阵，解决了传统协同过滤方法评分矩阵稀疏和兴趣模型单一等问题，缩小了评分矩阵的规模，提高了算法运行效率。

首先，为实现上述目的，本发明提出一种电子设备，所述电子设备包括存储器及处理器，所述存储器上存储有可在所述处理器上运行的协同过滤推荐系统，所述协同过滤推荐系统被所述处理器执行时实现如下步骤：

根据用户-标签相关性矩阵计算目标用户与不同指定用户的相似性，按照相似性从高到低的顺序，选取第一预定数量的指定用户作为该目标用户的最近邻居集合；

从所述最近邻居集合的用户标签中选取该目标用户未使用的标签，作为该目标用户的候选标签；

计算该目标用户与每个候选标签的相关性，按照相关性从高到低的顺序，选取第二预定数量的候选标签作为该目标用户的新增标签；及

根据该目标用户的原始标签和新增标签，推荐与该原始标签和新增标签相关的项目至该目标用户。

优选地，所述用户-标签相关性矩阵采用二维矩阵，该二维矩阵的每一行代表一个用户，每一列代表一个标签，该二维矩阵存储有所有用户与所有标签之间的相关性；

所述目标用户与不同指定用户的相似性采用第一计算公式计算得出，所述第一计算公式设置为公式1：