[发明专利]一种基于协同过滤的物品推荐方法、智能终端及存储介质

权利要求书

1.一种基于协同过滤的物品推荐方法，其特征在于，包括以下步骤：

获取用户购买过的物品的集合，根据所述用户购买过的物品的集合计算目标用户u和其他任意用户w之间的相似度s_uw；

根据所述目标用户u和所述其他任意用户w之间的相似度s_uw构建所述目标用户u的κ互惠邻域集；

对所述目标用户u和所述其他任意用户w之间的相似度s_uw进行调整，并根据调整后的相似度构建所述目标用户u的扩展邻域集；

根据所述调整后的相似度及所述扩展邻域集计算所述目标用户u对任意物品j的喜好程度，并根据所述目标用户u对任意物品j的喜好程度向所述目标用户u进行物品推荐；

所述根据所述目标用户u和所述其他任意用户w之间的相似度s_uw构建所述目标用户u的κ互惠邻域集的步骤包括：

对计算出的所述目标用户u和所述其他任意用户w之间的相似度s_uw进行排序，过滤出与所述目标用户u相似度最高的κ个用户构建所述目标用户u的邻域集；

从所述目标用户u的邻域集中过滤出与所述目标用户u互相属于对方邻域集的用户，构建所述目标用户u的κ互惠邻域集；

所述根据调整后的相似度构建所述目标用户u的扩展邻域集的步骤包括：

对调整后的所述目标用户u和所述其他任意用户w之间的相似度进行排序，过滤出与所述目标用户u相似度最高的l个用户构建所述目标用户u的扩展邻域集。

2.根据权利要求1所述的基于协同过滤的物品推荐方法，其特征在于，所述根据所述用户购买过的物品的集合计算目标用户u和其他任意用户w之间的相似度s_uw的步骤包括：

分别获取所述目标用户u购买过的物品的集合I_u和所述其他任意用户w购买过的物品的集合I_w；

根据获取到的所述集合I_u和所述集合I_w使用杰卡德相似度或余弦相似度计算所述目标用户u和所述其他任意用户w之间的相似度s_uw。

3.根据权利要求1所述的基于协同过滤的物品推荐方法，其特征在于，所述对所述κ互惠邻域集内的所述目标用户u和所述其他任意用户w之间的相似度s_uw进行调整的步骤包括：

判断所述其他任意用户w是否在所述目标用户u的κ互惠邻域集内，若是，则将所述目标用户u和所述其他任意用户w之间的相似度s_uw调整为(1+γ)s_uw，其中γ为预设的相似度调节系数；

否则，所述目标用户u和所述其他任意用户w之间的相似度s_uw保持原值。

4.根据权利要求1所述的基于协同过滤的物品推荐方法，其特征在于，所述根据所述调整后的相似度及所述扩展邻域集计算所述目标用户u对任意物品j的喜好程度的公式如下：

其中，U_j为购买过物品j的用户集合，为目标用户u的扩展邻域集，为调整后的目标用户u与其他任意用户w之间的相似度。

5.根据权利要求1所述的基于协同过滤的物品推荐方法，其特征在于，所述对计算出的所述目标用户u和所述其他任意用户w之间的相似度s_uw进行排序，过滤出与所述目标用户u相似度最高的κ个用户作为其邻域集的步骤包括：

判断所述目标用户u与其他任意用户u′的相似度s_uu′是否大于所述目标用户u与所述其他任意用户w之间的相似度s_uw，若是，则将所述其他任意用户w在所述目标用户u邻域中的位置值加1，其中所述其他任意用户u′为除用户w以外的其他任意用户；

过滤出在所述目标用户u邻域中的位置值较小的κ个用户作为其邻域集。

6.根据权利要求1所述的基于协同过滤的物品推荐方法，其特征在于，所述目标用户u的扩展邻域集中的用户个数l大于等于所述目标用户u的邻域集中的用户个数κ。