[发明专利]一种面向物品集显式反馈的推荐方法、终端及存储介质

权利要求书

1.一种面向物品集显式反馈的推荐方法，其特征在于，包括：

获取用户对物品集的集中评分，并将所述集中评分映射到对所述物品集中单一物品的单一评分；

根据所述单一评分和用户之间的相似度，确定各用户对所有物品和/或所有物品集的评分；

将评分较高的指定数量个物品或物品集推荐给用户。

2.根据权利要求1所述的面向物品集显式反馈的推荐方法，其特征在于，所述获取用户对物品集的集中评分，并将所述集中评分映射到对所述物品集中单一物品的单一评分，具体包括：

根据所述集中评分，对所述物品集中的单一物品进行评分设定；

根据所述单一物品当前所在物品集的集中评分、全局平均分和用户的评分偏差，确定进行评分设定的单一物品对应的单一评分。

3.根据权利要求2所述的面向物品集显式反馈的推荐方法，其特征在于，所述根据所述集中评分，对所述物品集中的单一物品进行评分设定，具体包括：

当所述集中评分不小于第一阈值，对所述物品集中所有物品进行评分映射；

当所述集中评分不小于第二阈值且小于所述第一阈值时，对所述物品集中所有单个物品的全局平均分较高的指定数量个单一物品进行评分映射；

当所述集中评分不小于第三阈值且小于所述第二阈值时，对所述物品集中所有单个物品的全局平均分较低的指定数量个单一物品进行评分映射。

4.根据权利要求2所述的面向物品集显式反馈的推荐方法，其特征在于，所述根据所述集中评分，对所述物品集中的单一物品进行评分设定，还包括：

当所述集中评分不小于第四阈值时，对所述物品集中所有物品进行评分映射；

当所述集中评分不小于第五阈值且小于所述第四阈值时，对所述物品集中全局平均分最大、居中及最小的单一物品进行评分映射。

5.根据权利要求3或4所述的面向物品集显式反馈的推荐方法，其特征在于，所述根据所述单一物品当前所在物品集的集中评分、全局平均分和用户的评分偏差，确定进行评分设定的单一物品对应的单一评分，具体包括：

根据所述用户对每一物品集的集中评分、用户平均评分和评分次数，确定所述用户的评分偏差；

根据所述单一评分所在物品集的评分总和与个数的比值，得到所述单一物品的全局平均分；

为所述评分偏差、所述集中评分和所述全局平均分分别赋予权值并叠加，得到所述单一物品的评分。

6.根据权利要求1所述的面向物品集显式反馈的推荐方法，其特征在于，所述根据所述单一评分和用户之间的相似度，确定各用户对所有物品和/或所有物品集的评分，具体包括：

分析各用户之间的相似度，根据相似阈值将所有用户划分为多个相似用户集；

确定各用户所在的相似用户集；

根据各用户对应的单一评分和相似用户集，预测各用户对未评分物品或物品集的评分。

7.根据权利要求6所述的面向物品集显式反馈的推荐方法，其特征在于，所述根据各用户对应的单一评分和相似用户集，预测各用户对未评分物品或物品集的评分，还包括：

将已对指定物品进行评分的用户组成已评分用户集；

将所述已评分用户集中各用户所在相似用户集中、未对所述指定物品进行评价的用户组成未评分用户集；

根据所述已评分用户集中用户对所述指定物品的单一评分和全局评分，以及未评分用户集合中用户的平均评分，确定未评分用户集合中用户对所述指定物品的单一评分。

8.根据权利要求7所述的面向物品集显式反馈的推荐方法，其特征在于，所述根据所述已评分用户集中用户对所述指定物品的单一评分和全局评分，以及未评分用户集合中用户的平均评分，确定未评分用户集合中用户对所述指定物品的单一评分，之后还包括：

根据所述指定物品的单一评分、全局平均分和对应指定用户的评分偏差，得到所述指定用户未评价物品集中、所述指定物品所在物品集的集中评分。