[发明专利]基于多维云和用户动态兴趣的神经网络推荐方法

权利要求书

1.基于多维云和用户动态兴趣的神经网络推荐方法，其特征在于，包括：

S1、获取用户对项目的评分及用户评分时间并进行预处理，即设定时间间隔阈值，若用户评分时间大于时间间隔阈值则根据用户的评分时间对用户对项目的评分进行加权处理，否则不做处理，具体表示为：

其中，r_jk表示第j个用户对第k个项目的评分，λ是时间衰减因子，K表示时间间隔阈值，t_now表示用户对项目评分结束的时刻值，t₀表示用户对项目评分开始的时刻值；

S2、使用预处理后的数据构建基于用户的多维云模型和基于项目的多维云模型，得到基于用户的预测评分和基于项目的预测评分；

S3、将基于用户的预测评分和基于项目的预测评分作为训练好的神经网络评分预测模型的输入数据，得到最终预测评分。

2.根据权利要求1所述的基于多维云和用户动态兴趣的神经网络推荐方法，其特征在于，所述使用预处理后的数据构建基于用户的多维云和基于项目的多维云模型，得到基于用户的预测评分和基于项目的预测评分包括：

S21：将用户数据输入逆向云发生器，得到所有用户对所有项目评分的数据的特征值；

S22：利用一个用户的所有已评分项目的用户数据的特征值构建基于用户的多维云模型；

S23利用一个项目的所有已评分的用户数据的特征值构建基于项目的多维云模型；

S24：通过正向云发生器计算已评分项目的基于用户的隶属度和基于项目的隶属度

S25：计算待评分项目的基于用户的隶属度和基于项目的隶属度

S26：根据待评分项目的隶属度计算出目标用户对待评分项目的基于用户的预测评分和基于项目的预测评分

3.根据权利要求2所述的基于多维云和用户动态兴趣的神经网络推荐方法，其特征在于，基于用户的多维云模型包括：

单一用户对项目集合产生的多维云，表示为：

C＝{(Ex₁,En₁,He₁),(Ex₂,En₂,He₂),...,(Ex_j,En_j,He_j),...,(Ex_n,En_n,He_n)}；

其中：

其中，Ex_j表示用户j的所有评分的平均值，En_j表示用户j的所有评分的熵，表示用户j的所有评分的方差，He_j表示用户j的所有评分的超熵，m表示项目的数量。

4.根据权利要求2所述的基于多维云和用户动态兴趣的神经网络推荐方法，其特征在于，基于项目的多维云模型包括：

单一项目对用户集合产生的多维云，表示为：

C'＝{(Ex₁',En₁',He₁'),(Ex₂',En₂',He₂'),...,(Ex_k',En_k',He_k'),...,(Ex_m',En_m',He_m')}；

其中：

其中，Ex_k'表示项目k的所有评分的平均值，r_jk表示第j个用户对第k个项目的评分，En_k'表示项目k的所有评分的熵，(S_k')²表示项目k的所有评分的方差，He_k'表示项目k评分的超熵，n表示用户的数量。