[发明专利]一种基于改进的协同过滤算法的刀具推荐方法

权利要求书

1.一种基于改进的用户协同过滤算法的刀具推荐方法，其特征在于：

主要包括利用基于改进的用户的协同过滤算法进行刀具推荐、引入Jaccard系数、Pearson系数、巴氏系数及KL散度来提高预测准确率。

2.通过用户--项目的评分，挖掘数据的项目特征信息，并利用相似度函数对目标用户计算，最后对推荐用户的评分进行预测。

3.本发明形成一种新的基于用户协同过滤算法，解决了受共同评分项的限制的问题，并提高传统协同过滤算法的预测精确度。

4.根据权利要求1所述一种基于改进的协同过滤推荐算法的刀具推荐方法，其特征在于：所述步骤的具体过程包括：

S21：计算目标用户与其他用户相似度，找到与目标用户需求相似的用户；

S22：选择目标用户的最近邻居集；

S23：根据最近邻居集的评分预测公式对非评分刀具项目进行预测评分。

5.根据权利要求1所述一种基于改进的用户协同过滤推荐算法的刀具推荐方法，其特征在于：引入巴氏系数和KL散度：

S31：基于巴氏系数相似度公式考虑了用户所有评分信息及评分偏好特征；

S32：计算用户间巴氏系数相似度；

S33：基于KL散度相似度公式考虑了用户所有评分信息的概率；

S34：计算用户间KL散度的相似度；

S35：基于Pearson系数相似度公式考虑共同评分项的数值敏感问题；

S36：计算用户间的Pearson系数相似度；

S37：基于Jaccard的相似度公式来考虑共同评分项所占的比重；

S38：计算用户间的Jaccard相似度；

S39：融合了改进的巴氏系数、KL散度、Jaccard系数、Pearson系数的相似度公式。

6.该融合公式解决了传统协同过滤算法在计算用户相似性时共同评分限制，考虑了用户的所有评分信息，提高了预测的准确率。