[发明专利]线性加权推荐的方法及装置

权利要求书

1.一种线性加权推荐的方法，其特征在于，包括：

根据采集的待分析数据集，构建用户项目评分矩阵以及用户属性矩阵；

根据所述用户项目评分矩阵，对未评分的项目进行预测评分，获得各个用户对对应项目的第一评分；

根据所述用户属性矩阵以及所述用户项目评分矩阵，对目标用户的未评分的项目进行预测评分，获得目标用户对对应项目的第二评分；

对所述第一评分和所述第二评分进行线性混合加权处理，获得目标用户对对应项目的第三评分；

根据所述目标用户对对应项目的第三评分，将所述第三评分中大于预设评分阈值的项目推荐给对应的目标用户。

2.如权利要求1所述的线性加权推荐的方法，其特征在于，所述根据所述用户项目评分矩阵，对未评分的项目进行预测评分，获得各个用户对对应项目的第一评分，包括：

根据所述用户项目评分矩阵，计算获得任两个项目之间的相似度值；

根据获得的任两个项目之间的相似度值，对未评分的项目进行预测评分，获得用户对未评分项目的第一预测评分；

根据所述用户项目评分矩阵以及各个用户对未评分项目的预测评分，获得各个用户对对应项目的第一评分。

3.如权利要求2所述的线性加权推荐的方法，其特征在于，所述根据所述用户项目评分矩阵，计算获得任两个项目之间的相似度值，包括：

根据计算获得任两个项目之间的相似度值；

其中，所述sim(i,j)^improve_cos表示计算获得的项目i与项目j之间的相似度值，所述u表示所有用户集合，所述r_ui表示用户u对项目i的评分，所述r_uj表示用户u对项目j的评分，所述μ表示所有评分的平均分，所述b_i表示项目i的平均分，所述b_j表示项目j的平均分，所述b_u表示所有用户集合的评分的平均分。

4.如权利要求3所述的线性加权推荐的方法，其特征在于，所述根据获得的任两个项目之间的相似度值，对未评分的项目进行预测评分，获得用户对未评分项目的第一预测评分，包括：

根据获得用户对未评分项目的第一预测评分；

其中，所述p_u,i表示用户u对项目i的第一预测评分，所述S_i表示与项目i相似度较高的前n个集合，n大于等于1。

5.如权利要求1至4中任一项所述的线性加权推荐的方法，其特征在于，所述根据所述用户属性矩阵以及所述用户项目评分矩阵，对目标用户的未评分的项目进行预测评分，获得目标用户对对应项目的第二评分，包括：

根据所述用户属性矩阵，采用改进的近邻传播AP聚类算法对用户进行聚类处理，获得目标用户所在的簇；

根据所述目标用户所在的簇以及所述用户项目评分矩阵，获得目标用户项目评分矩阵；

根据所述目标用户项目评分矩阵，采用隐语义模型LFM算法对未评分的项目进行预测评分，获得目标用户对未评分项目的第二预测评分；

根据用户项目评分矩阵以及目标用户对未评分项目的预测评分，获得目标用户对对应项目的第二评分。

6.如权利要求5所述的线性加权推荐的方法，其特征在于，所述改进的AP聚类算法中对相似度矩阵和吸引度矩阵进行收敛时采用的阻尼系数为：

其中，所述λ表示当前的阻尼系数，所述λ'表示更新后的阻尼系数，所述表示λ的增长幅度，所述n表示出现震荡的震荡频率。

7.如权利要求6所述的线性加权推荐的方法，其特征在于，确定震荡频率的方法包括：

获取当前聚类数目、前一次聚类数目以及前两次聚类数目；

根据所述当前聚类数目、所述前一次聚类数目以及所述前两次聚类数目，确定聚类増量率；

计算确定的所述聚类増量率中大于预设值的聚类増量率的数目，所述数目为震荡频率。