[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

说明书

本发明属于数据挖掘领域，设计了一种消除原始评分数据评分噪声的协同过滤方法。步骤1.构建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)；步骤2.利用现有评分数据求用户u_k对项目i_j的偏好评分r_k,j(preference)；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.通过调整后的评分矩阵R’(m×n)，计算用户u_i与用户u_j的相似度sim(i,j)：步骤5.计算用户u_i对项目i_j预测评分predic(ti,j)：步骤6.判断预测评分predict(i,j)。本发明能够有效调整原始评分矩阵评分数据，提高协同过滤技术的推荐准确度。

技术领域

本发明属于数据挖掘领域，涉及一种消除原始评分数据评分噪声的协同过滤方法。

背景技术

协同过滤技术是个性化推荐技术中一种应用范围广的推荐算法，协同过滤技术的基本核心思想是利用群体智慧，认为相似用户的喜好也是相似的，目前主要分为以下几类：基于用户(或项目)的协调过滤算法、基于模型的协同过滤算法、以及混合过滤算法等。目前协同过滤算法存在着冷启动、数据稀疏、推荐精度低等问题。

协同过滤算法的基本过程是构建用户-项目评分矩阵，寻找用户相似邻居群体，根据邻居群体的对此用户未评价的项目的做出预测，然后根据结果对用户做出相应的推荐。协同过滤技术算法核心步骤是利用评分矩阵来选取用户相似群体，但是原始的用户评分可能会有评分噪声，例如用户评分时情绪因素，这些噪声会导致评分出现偏移，从而导致后续协同过滤算法推荐精确度下降。因此需要对原始评分数据进行调整，减弱情绪等因素导致的评分偏移。

发明内容

本发明提出了一种消除原始评分数据评分噪声的协同过滤算法，目的在于消除环境因素，调整原始评分数据，提高协同过滤算法的推荐准确度。

本发明的技术方案：

一种消除原始评分数据评分噪声的协同过滤推荐方法，步骤如下：

步骤1.构建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代表项目数，r_k,j是用户评分矩阵R(m×n)中用户u_k对项目i_j评分，r_k,j∈R(m×n),k∈{1,2,...m}，j∈{1,2,3...n}；

步骤2.利用现有评分数据求用户u_k对项目i_j的偏好评分r_k,j(preference)；

2.1)从用户评分矩阵R(m×n)中得到用户u_k的评分项目集合I(u_k)。

2.2)I(u_k,j)是用户u_k已评价过的项目集合中除项目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)取出同时对待预测项目i_j和项目i_m评分的用户集合S_j,m(R)。