[发明专利]一种消除原始评分数据评分噪声的协同过滤推荐方法

权利要求书

1.一种消除原始评分数据评分噪声的协同过滤推荐方法，其特征在于，步骤如下：

步骤1.构建互联网电脑资料库IMDb评分矩阵的用户集合U＝{u₁,u₂,...u_m}；评分矩阵的项目集合I＝{i₁,i₂,...,i_n}；用户评分矩阵R(m×n)，其中，m代表用户数，n代表电影项目数，r_k,j是用户评分矩阵R(m×n)中用户u_k对电影项目i_j评分，r_k,j∈R(m×n),k∈{1,2,...m}，j∈{1,2,3...n}；

步骤2.利用IMDb现有评分数据求用户u_k对电影项目i_j的偏好评分r_k,j(preferen)；

2.1)从IMDb用户评分矩阵R(m×n)中得到用户u_k的电影评分项目集合I(u_k)；

2.2)I(u_k,j)是用户u_k已评价过的电影项目集合中除电影项目i_j以外的项目集合，从I(u_k,j)取出与待预测项目i_j相异的项目i_m，计算项目i_j与项目i_m评价评分偏差值dev_j,i，具体步骤如下：

2.2.1)从用户评分矩阵R(m×n)取出同时对待预测电影项目i_j和电影项目i_m评分的IMDb用户集合S_j,m(R)；

2.2.2)从S_j,m(R)取出u_i，如果u_i添加到相似IMDb用户集合u_i∈S_j,m(R)；如果则u_i舍弃；

2.2.3)计算电影项目i_j与电影项目i_m平均评分偏差值dev_j,i

其中，是项目i_j与项目i_m的相似用户集合，是可信度权重，r_w,j是用户评分矩阵R(m×n)中用户u_w对项目i_j的评分，r_w,m是用户评分矩阵R(m×n)中用户u_w对项目i_m的评分；

2.3)计算IMDb用户u_k对电影项目i_j的偏好评分r_k,j(preference)：

其中，r_k,m是用户评分矩阵R(m×n)中用户u_k对项目i_m的评分；

步骤3.重复步骤2,直到调整完成原始评分矩阵每一组评分，得到调整后的评分矩阵R’(m×n)；

步骤4.通过调整后的IMDb评分矩阵R’(m×n)，根据改进余弦相似度计算用户u_i前N个相似邻居neighbor(u_i)以及相对应的相似度，计算用户u_i与用户u_j的相似度sim(i,j)：

其中，I_i,j是用户u_i与用户u_j共同电影评分项目集合；是调整后的IMDb评分矩阵R’(m×n)中用户u_i的平均评分；是调整后的IMDb评分矩阵R’(m×n)中用户u_j的平均评分；r’_i,k是调整后的IMDb评分矩阵R’(m×n)中用户u_i中对电影项目i_k的评分；r’_j,k是调整后的IMDb评分矩阵R’(m×n)中用户u_j中对电影项目i_k的评分；

步骤5.计算用户u_i对电影项目i_j预测评分predict(i,j)：

其中，u_i∈U；i_j∈I；为用户v的平均评分值；为用户u的平均评分值；r’_v,j是调整后的评分矩阵R’(m×n)中用户u_v中对项目i_j的评分；sim(i,v)是用户u_i与用户的u_v相似度；

步骤6.判断预测评分predict(i,j)：

如果预测评分predict(i,j)为空值，则采用将该电影项目i_j所有评分的平均值作为预测评分最终结果；如果该电影项目的仍为空值，则将用户u_i的平均评分作为预测评分最终结果；得到所有的预测评分，结束；

其中，调整后的IMDb评分矩阵R’(m×n)中项目i_j所有评分的平均值；调整后的IMDb评分矩阵R’(m×n)中用户u_i的平均评分。