[发明专利]一种结合标签和时间因素的协同过滤推荐方法

权利要求书

1.一种结合标签和时间因素的协同过滤推荐方法，其特征在于包括如下步骤：

步骤1，基于评分或标签计算用户间、物品间的相似度；

步骤2，寻找邻居用户集、物品集；

步骤3，预测评分，提供个性化推荐。

2.如权利要求1所述的一种结合标签和时间因素的协同过滤推荐方法，其特征在于：所述步骤1中，在计算相似度前，首先对标签信息进行预处理，将文本信息转化成数字信息。

3.如权利要求1所述的一种结合标签和时间因素的协同过滤推荐方法，其特征在于：所述步骤1中，基于标签计算相似度的公式是：

其中，用户u₁或物品i₁的标签集所对应的数值型标签向量为t＝(t₁,t₂,…,t_m)，用户u₂或物品i₂的标签集所对应的数值型标签向量为s＝(s₁,s₂,…,s_m)。

4.如权利要求1所述的一种结合标签和时间因素的协同过滤推荐方法，其特征在于：所述步骤1中，基于评分计算用户间相似度的公式是：

其中，R_uj、R_vj分别表示用户u对物品j的评分和用户v对物品j的评分，分别表示用户u对所有物品的平均评分和用户v对所有物品的平均评分，I_uv表示用户u和用户v共同评论的物品集，w_i为热门物品惩罚项。

5.如权利要求4所述的一种结合标签和时间因素的协同过滤推荐方法，其特征在于：所述热门物品惩罚项w_i的计算公式是：

其中，N_i表示评论过物品i的用户数。

6.如权利要求1所述的一种结合标签和时间因素的协同过滤推荐方法，其特征在于：所述步骤1中，基于评分计算物品间相似度的公式是：

其中，R_ui、R_uj分别表示用户u对物品i的评分和用户u对物品j的评分，分别表示物品i和物品j的平均评分，U_ij表示共同评论物品i和物品j的用户集。

7.如权利要求1所述的一种结合标签和时间因素的协同过滤推荐方法，其特征在于：所述步骤2中，获得用户间或物品间的相似度矩阵后，对相似度矩阵进行排序，得到topk个与活动用户/物品最相似的邻居用户/物品集合，分别记为N(u)、N(i)。

8.如权利要求1所述的一种结合标签和时间因素的协同过滤推荐方法，其特征在于：所述步骤3中，采用如下模型进行预测：

其中，λ是平衡参数，分别表示用户u对所有物品的平均评分和用户v对所有物品的平均评分，N(u)、N(i)分别表示邻居用户集和邻居物品集，R_vi、R_uj分别表示用户v对物品i的评分和用户u对物品j的评分，分别表示物品i和物品j的平均评分，f(*)是时间权值，且f(*)＝1-exp(-*)；t_vi表示用户v对物品i评论的时间，t_uj表示用户u对物品j评论的时间；

sim_unify^*(u,v)表示结合评分信息和标签信息计算用户间的相似度，具体模型如下所示：

sim_unify^*(u,v)＝β×sim_rating^*(u,v)+(1-β)sim_tag(u,v)

sim_tag(u,v)是用户u和用户v的标签集之间的相似性，

sim_rating^*(u,v)是用户u和用户v的评分之间的相似性，

β是平衡参数；

sim_unify^*(i,j)表示结合评分信息和标签信息计算物品间的相似度，具体模型如下所示：

sim_unify^*(i,j)＝α×sim_rating(i,j)+(1-α)×sim_tag(i,j)

sim_tag(i,j)是物品i和物品j的标签集之间的相似性，

sim_rating(i,j)是物品i和物品j的评分之间的相似性，

α是平衡参数。