[发明专利]基于链接聚类和约简的协同过滤推荐方法

权利要求书

1.一种基于链接聚类和约简的协同过滤推荐方法，其特征在于按照如下步

骤进行：

步骤1.根据用户对物品的评分信息形成用户-物品加权二分网络UIBN=G(U,I,L)，所述U表示用户的集合，I表示物品的集合，L表示链接集合，l_u,i∈L表示用户u和物品i之间的链接；

步骤2.对用户-物品加权二分网络按照链接进行聚类：

随机将用户-物品之间的链接聚为K类，使得并根据公式（1）、（2）、（3）进行迭代计算至收敛为止，得出每个链接、用户和物品属于第k个聚类簇的概率；

           (1)

                   (2)

                    (3)

式(1)(2)(3)中，K表示聚类数目，C_k表示第k个聚类簇，表示链接l_u,i属于聚类簇C_k的概率，表示用户u属于聚类簇C_k的概率，表示物品i属于聚类簇C_k的概率；

步骤3.按照公式（4）计算全局-局部加权二分模块度Q并根据全局-局部加权二分模块度Q指导聚类结果，得到最佳聚类数目：

    (4)

式(4)中,Q表示全局-局部加权二分模块度，M表示全部链接的数目，和分别表示链接矩阵L中第u行和第i列中元素之和；

步骤4.根据链接约简算法删除每个聚类簇中的冗余链接：

在链接集合L中，如果两个用户与同一个物品之间存在链接，则把这两个链接看作等价链接；如果用户i的链接集合L_i包含于另一个用户j的链接集合L_j中，则用户i的链接集合L_i将被看作冗余链接从链接集合L中移除，即链接集合L中只保留用户j的链接集合L_j；

步骤5.根据约简后的聚类簇中的评分信息选取目标用户的邻近用户：

利用皮尔森相似度量函数(5)计算目标用户au和候选邻近用户u∈U_r之间的相似度，

       (5)

式(5)中,表示目标用户au评价过的物品集合，表示用户u评价过的物品集合，表示目标用户的平均评分值；表示用户u的平均评分值；然后选择相似度最高的前K个候选邻近用户作为当前用户的邻近用户N_au(k)；

步骤6. 根据邻近用户的评分预测目标用户未评分物品，选取预测评分最高

的N个物品推荐给目标用户：

利用调整加权和函数(6)对目标用户au未评分的物品集合进行预测评分，

          (6)

式(6)中，P_au,i表示目标用户au对物品i的预测评分，表示评价过物品i的用户集合；λ作为一个正则化因子：

               (7)；

选取预测评分最高的N个物品作为推荐结果提供给目标用户。