[发明专利]一种基于模拟退火算法的用户推荐方法及装置

权利要求书

1.一种基于模拟退火算法的用户推荐方法，其特征在于，包括：

获取用户评分矩阵，所述用户评分矩阵表示每个预设用户对每个预设项目的评分；

设定聚类数量、模拟退火算法的优化目标和模拟退火算法的参数，基于模拟退火算法对所述用户评分矩阵进行处理，得到多个聚类集合，每个聚类集合中包括多个预设用户；

根据预设相似性度量方法在目标用户所在聚类集合中的多个预设用户中提取所述目标用户的多个相似用户，根据每个相似用户对每个预设项目的评分预测所述目标用户的偏好项目，并为所述目标用户推荐所述偏好项目。

2.根据权利要求1所述的方法，其特征在于，所述设定聚类数量、模拟退火算法的优化目标，包括：

设定聚类数量，利用模拟退火算法生成设定数量的聚类中心，聚类中心为多维向量；

将所述用户评分矩阵转化为设定数量的用户矢量集合，每个用户矢量集合中包括多个用户矢量，每个聚类中心对应一个用户矢量集合，每个用户矢量表示预设用户对每个预设项目的评分；

将使每个聚类中心与相应用户矢量集合中每个用户矢量的相似度的和值最大设定为模拟退火算法的优化目标。

3.根据权利要求2所述的方法，其特征在于，所述基于模拟退火算法对所述用户评分矩阵进行处理，得到多个聚类集合，包括：

根据模拟退火算法的优化目标、以及每个预设用户与每个聚类中心之间的相似度对预设用户进行不断聚类，并根据聚类结果不断调整聚类中心，使每次聚类中每个聚类集合中的聚类对象与聚类中心的相似度最大，直到每个聚类中心不再变化，得到设定数量的聚类集合，每个聚类集合中包括多个预设用户。

4.根据权利要求1所述的方法，其特征在于，所述根据预设相似性度量方法在目标用户所在聚类集合中的多个预设用户中提取所述目标用户的多个相似用户，包括：

分别计算所述目标用户与所在聚类集合中每个预设用户的相似度；

将与所述目标用户的相似度大于相似度阈值的预设用户确定为所述目标用户的相似用户；

或对所述目标用户与所在聚类中每个预设用户的相似度按从大到小的顺序进行排序，将满足第一预设排名的相似度对应的预设用户确定为所述目标用户的相似用户。

5.根据权利要求1所述的方法，其特征在于，所述根据每个相似用户对每个预设项目的评分预测所述目标用户的偏好项目，包括：

根据所述目标用户与每个相似用户的相似度、每个相似用户对每个预设项目的评分、每个相似用户对每个预设项目的平均评分，计算所述目标用户对每个预设项目的预测评分；

将预测评分大于预测评分阈值的预设项目确定为所述用户的偏好项目；

或对所述目标用户对每个预设项目的预测评分按从大到小的顺序进行排序，将满足第二预设排名的预测评分对应的预设项目确定为所述目标用户的偏好项目。

6.一种基于模拟退火算法的用户推荐装置，其特征在于，包括：

获取单元，用于获取用户评分矩阵，所述用户评分矩阵表示每个预设用户对每个预设项目的评分；

聚类单元，用于设定聚类数量、模拟退火算法的优化目标和模拟退火算法的参数，基于模拟退火算法对所述用户评分矩阵进行处理，得到多个聚类集合，每个聚类集合中包括多个预设用户；

推荐单元，用于根据预设相似性度量方法在目标用户所在聚类集合中的多个预设用户中提取所述目标用户的多个相似用户，根据每个相似用户对每个预设项目的评分预测所述目标用户的偏好项目，并为所述目标用户推荐所述偏好项目。

7.根据权利要求6所述的装置，其特征在于，所述聚类单元包括：

第一设定子单元，用于设定聚类数量，利用模拟退火算法生成设定数量的聚类中心，聚类中心为多维向量；

转化子单元，用于将所述用户评分矩阵转化为设定数量的用户矢量集合，每个用户矢量集合中包括多个用户矢量，每个聚类中心对应一个用户矢量集合，每个用户矢量表示预设用户对每个预设项目的评分；

第二设定子单元，用于将使每个聚类中心与相应用户矢量集合中每个用户矢量的相似度的和值最大设定为模拟退火算法的优化目标。