[发明专利]基于模糊对象语言概念格的个性化推荐方法

权利要求书

1.一种基于模糊对象语言概念格的个性化推荐方法，其特征在于按照如下步骤进行：

A数据采集与预处理：

A1.设定语言术语集为S＝{s_α|α＝-τ,…,-1,0,1,…,τ}，物品集为L＝{l¹,l²,…,lⁿ}，用户集为U＝{x₁,x₂,…,x_m}，所述n为物品总个数，m为用户总个数；

A2.收集用户x_r使用语言值s_α描述物品lⁱ的语言概念语言概念集为初始化用户集U与语言概念集的模糊对象语言形式背景作为训练集，λ∈[0,1]为用户与语言概念间的信任度水平，为用户集U到语言概念集的模糊二元关系，即

A3.基于用户集U与语言概念的模糊对象语言形式背景，利用用户集和语言概念集上定义运算：构造用户集U与语言概念集的模糊对象语言概念及概念格；

B.计算待推荐用户与其他用户间的评价差异：λ∈[0,1]，x_j,x_r,x_o∈U，和分别表示模糊对象语言形式背景上对象x_j，x_r在同一个语言概念上的λ取值，和距离如下：

其中，

用户x_j和x_r之间的距离如下：

其中，2τ+1是同类属性下的语言概念的项数，同类属性下的语言概念的集合分别为O、P和Q，是每类属性所占的权重，且

C.根据待推荐用户与其他用户间的评价差异对训练数据集进行初步处理：找到与目标用户最相似的前K个用户，使U_k＝{x₁,x₂,…,x_k}，在模糊对象语言形式背景的基础上构造训练数据集

D.认知阶段：

D1.基于训练数据集利用G算子和H模糊算子上定义运算构造训练数据集的认知系统；

D2.基于训练数据集利用模糊对象集和语言概念集B∈L₂上定义运算构造训练数据集的充分知识库K₁及K₁构成的模糊对象语言知识拟格；

D3.基于训练数据集利用模糊对象集和语言概念集B∈L₂上定义运算：构造训练数据集的必要知识库K₂及K₂构成的模糊对象语言知识拟格；

E.个性化推荐阶段：

E1.令为中的模糊对象语言概念，则语言概念集B的支持度按下式计算：

通过Supp(B)≥minSupp(B)，计算频繁模糊对象语言概念和频繁模糊对象语言知识所述minSupp(B)为最小支持度阈值；

E2.通过满足泛化与特化关系的频繁模糊对象语言概念和计算模糊对象语言关联规则

E3.令和为中的两个模糊对象语言概念，计算模糊对象语言关联规则的支持度、置信度和提升度

通过计算满足阈值条件的模糊对象语言关联规则所述为模糊对象语言关联规则的最小支持度阈值，为模糊对象语言关联规则的最小置信度阈值；

E4.将满足阈值条件的模糊对象语言关联规则加入推荐规则库Ω(x_i)，并按照Ω(x_i)中模糊对象语言关联规则的置信度降序排列，对不同用户输出不同的推荐列表。