[发明专利]一种基于大数据的信息推荐系统

权利要求书

1.一种基于大数据的信息推荐系统，其特征在于，包括数据采集模块、数据预处理模块、信息安全系统、数据挖掘分析模块、评估模块、数据存储模块、信息推荐模块，终端模块，云端模块，

所述数据采集模块依据每个用户对某些项目的打分构建用户-项目评分矩阵，设用户的集合U＝{u₁,u₂,u₃,…,u_m}，所有项目的集合C＝{c₁,c₂,c₃,…,c_n}，m个用户n个项目构成的评分矩阵为S_m×n，在评分矩阵中，矩阵中的元素S_ij是用户u_i对项目c的评分；

采用所述数据挖掘分析模块计算目标用户与用户集合中的其他用户的相似度，具体步骤如下：

S1.为了简化，采用i,j代替u_i,u_j，通过计算两个用户向量之间的夹角的余弦来度量二者的近似相似度：

式中，S_ic和S_jc分别表示用户u_i和u_j对项目c的评分，U表示所有用户集合，Sim'(i,j)是用户u_i和用户u_j之间的近似相似度；

S2.根据用户背景信息对相似度进行加权平衡，以弥补评分信息不足时最近邻选择面临的瓶颈问题，适用于衡量不同用户之间的特征信息偏差，计算公式如下：Sim(i,j)＝β×Sim'(i,j)+(1-β)×Sim'(i,j)；

其中，Sim(i,j)是用户u_i和用户u_j之间的修正相似度，β是调整因子，可根据不同情形下的用户需求进行自适应调整，β的动态调整公式为：

β＝|S_ic|/(|S_ic|+|S_jc|)；

S3.将Sim(i,j)相似性从大到小排序，生成最近相邻集的集NN＝{U₁,U₂,U₃…U_p}；

S4.计算用户u_i对用户u_j的信任度TD(i,j)的公式如下：

AccTime(j,i,c)表示用户u_j到用户u_i的关于项目c推荐的正确度，ε是固定阈值，如果S_i,c与S_j,c之间差值的绝对值小于或等于ε，则AccTime(j,i,c)等于1；如果S_i,c与S_j,c之间差值的绝对值大于ε，则AccTime(j,i,c)等于0，RecTime(j,i)表示数据集中所有其他用户u_j对用户u_i关于所有项目推荐的总次数；

S5.计算并保存用户的信任信息，然后再用TD来基于信任和相似性设计混合推荐算法，基于信任度和相似度的权值合成如公式所示：

weight(i,j)＝α·sim(i,j)+(1-α)·TD(i,j)+η·W(i)+(1-η)·TD(i,j)；

式中，weight(i,j)表示权重，α、η是权重系数；

S6.通过所述评估模块将用户u_i在项目c上的预测评分P_i,c表示为：

式中，表示用户u_i对项目c的平均评分，表示用户u_j对项目c的平均评分；

S7.如果两个用户之间的相似度较高，则这两个用户将对同一项目给出相似或相同的得分，将根据目标用户NN集中用户对该项目的得分计算加权平均值作为目标用户的预测得分，然后通过所述信息推荐模块将排名在前几位的物品推荐给用户。