[发明专利]模糊K邻近的推荐方法和装置、电子设备以及存储介质

权利要求书

1.一种模糊K邻近的推荐方法，其特征在于，包括：

根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵；

根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵；

根据所述用户-用户个人信息相似度矩阵、所述用户-用户相似度权重系数矩阵以及所述用户-用户模糊相似度矩阵获取用户-用户综合相似度矩阵；

将所述用户-用户综合相似度矩阵以及被推荐用户标识输入预获取的KNN模型得到与所述被推荐用户相似度满足预设条件的用户；

根据与所述被推荐用户相似度满足预设条件的用户的评分信息向所述被推荐用户推荐产品。

2.根据权利要求1所述的模糊K邻近的推荐方法，其特征在于，还包括：

根据海量的用户个人信息以及评分信息获取个人信息矩阵和用户-项目评分矩阵。

3.根据权利要求1所述的模糊K邻近的推荐方法，其特征在于，所述根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵，包括：

对所述用户-项目评分矩阵进行相似度权重系数计算得到所述用户-用户相似度权重系数矩阵；

对所述用户-项目评分矩阵进行模糊化和模糊相似度处理得到所述用户-用户模糊相似度矩阵。

4.根据权利要求3所述的模糊K邻近的推荐方法，其特征在于，所述对所述用户-项目评分矩阵进行模糊化和模糊相似度处理得到所述用户-用户模糊相似度矩阵，包括：

将所述用户-项目评分矩阵中的原始评分模糊成一组三角模糊数，得到模糊用户-项目评分矩阵；

利用模糊相似度度量技术对所述模糊用户-项目评分矩阵进行计算得到所述用户-用户模糊相似度矩阵。

5.根据权利要求4所述的模糊K邻近的推荐方法，其特征在于，所述模糊相似度度量技术为模糊均方差相似度度量技术、模糊余弦相似度度量技术或模糊Pearson相似度度量技术。

6.一种模糊K邻近的推荐装置，其特征在于，包括：

个人相似度获取模块，根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵；

模糊相似度和系数获取模块，根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵；

加权计算模块，根据所述用户-用户个人信息相似度矩阵、所述用户-用户相似度权重系数矩阵以及所述用户-用户模糊相似度矩阵获取用户-用户综合相似度矩阵；

聚类模块，将所述用户-用户综合相似度矩阵以及被推荐用户标识输入预获取的KNN模型得到与所述被推荐用户相似度满足预设条件的用户；

推荐模块，根据与所述被推荐用户相似度满足预设条件的用户的评分信息向所述被推荐用户推荐产品。

7.根据权利要求6所述的模糊K邻近的推荐装置，其特征在于，还包括：

数据预处理模块，根据海量的用户个人信息以及评分信息获取个人信息矩阵和用户-项目评分矩阵。

8.根据权利要求6所述的模糊K邻近的推荐装置，其特征在于，所述模糊相似度和系数获取模块包括：

权重系数计算单元，对所述用户-项目评分矩阵进行相似度权重系数计算得到所述用户-用户相似度权重系数矩阵；

模糊相似度计算单元，对所述用户-项目评分矩阵进行模糊化和模糊相似度处理得到所述用户-用户模糊相似度矩阵。

9.根据权利要求8所述的模糊K邻近的推荐装置，其特征在于，所述模糊相似度计算单元包括：

模糊处理子单元，将所述用户-项目评分矩阵中的原始评分模糊成一组三角模糊数，得到模糊用户-项目评分矩阵；

模糊相似度计算子单元，利用模糊相似度度量技术对所述模糊用户-项目评分矩阵进行计算得到所述用户-用户模糊相似度矩阵。