[发明专利]一种面向稀疏数据的比率协同过滤推荐方法

说明书

本发明针对现有的基于内存的协同过滤推荐方法的不足，提出了一种面向稀疏数据的比率协同过滤推荐方法，以解决无共同评分项下的相似度计算和评分预测问题。该方法首先根据用户的评分数据计算目标用户(项目)与其他用户(项目)之间的相似度，然后把相似度按照从高到低的顺序将对应的用户(项目)进行排序，选择前K个用户(项目)作为目标用户(项目)的最近邻，对每一个邻居分别根据基于用户(项目)评分预测方法预测未评分项目的中间预测值，最后将这K个中间预测值的平均值作为目标用户(项目)对未评分项目(用户)的预测评分值。本发明计算简单，在数据稀疏时，该方法仍然可以进行相似度计算，预测精度高。

技术领域

本发明涉及一种基于内存的协同过滤推荐方法，特别是涉及一种数据稀疏情况下的协同过滤推荐方法。

背景技术

近年来，推荐技术广泛地应用在电子商务网站来指导用户的购买行为，为用户进行商品推荐，其中，协同过滤推荐技术在推荐系统中获得了较多的应用。协同过滤推荐方法通常分为：基于内存的推荐，基于社会关系的推荐和基于模型的推荐。基于内存的方法可分为基于用户的协同过滤推荐算法和基于项目的协同过滤算法。文献“Wu Xiaokun,ChengBo,Chen Junliang.Collaborative Filtering Service Recommendation Based on aNovel Similarity Computation Method.IEEE Transactions on Services Computing,vol.10,no.7,pp.352-365,MAY/JUNE 2017”提出了一种基于比率的协同过滤方法(RACF,ratio-based collaborative filtering method)来计算相似度，该方法通过比较共同评分项的属性值来计算用户之间或者项目之间的相似度，通过相似度计算公式推导出评分预测公式，从而根据最近邻对未评分项目的评分值，对未评分的项目进行预测。

该方法计算简单，但其相似度计算的条件是用户之间或者项目之间有共同评分项存在，而数据稀疏是协同过滤中普遍存在的问题，在数据稀疏情况下，共同评分项很难存在，此时该方法难以有效应用。本发明提出了一种面向稀疏数据的比率协同过滤推荐方法，以解决无共同评分项下的相似度计算和评分预测问题。

发明内容

为了克服现有基于比率的协同过滤推荐方法的不足，本发明提出了一种面向稀疏数据的相似度计算方法和评分预测方法。该方法首先根据用户的评分数据计算目标用户(项目)与其他用户(项目)之间的相似度，然后将相似度按照从高到低的顺序将对应的用户(项目)进行排序，选择前K个用户(项目)作为目标用户(项目)的最近邻，对每一个邻居分别根据基于用户(项目)评分预测方法预测未评分项目的中间预测值，最后将这K个中间预测值的平均值作为目标用户(项目)对未评分项目(用户)的预测评分值。本发明计算简单，在数据稀疏时，该方法仍然可以进行相似度计算，预测精度高。

本发明解决其技术问题所采用的技术方案是：提出了一种面向稀疏数据的比率协同过滤推荐方法，该方法根据目标对象的不同，又可分为基于用户的协同过滤推荐方法和基于项目的协同过滤推荐方法两种方案。其特点是包括以下步骤：

步骤一、计算目标用户(项目)与其他用户(项目)之间的相似度。面向稀疏数据的基于用户的协同过滤推荐方法中，使用下式计算任意两个用户u，v之间的相似度sim(u,v)_i,j：

其中，k,w是两个变量(k,w∈N^*)，r_u,k为用户u对项目的第k评分值，r_v,w为用户v对项目的第w个评分值。i和j分别为用户u和v的评分个数。min(r_u,k,r_v,w)返回r_u,k和r_v,w两者中的最小值，max(r_u,k,r_v,w)返回r_u,k和r_v,w两者中的最大值。