[发明专利]基于直觉模糊集的噪声检测推荐系统

说明书

本发明涉及一种基于直觉模糊集的噪声检测推荐系统，属于推荐技术领域。包括：获取和处理原始数据，构建用户‑项目评分矩阵R；根据直觉模糊集的相关理论，计算用户和项目的直觉模糊数，并以此来对用户和项目的偏好倾向进行分类，获得偏好信息；借助偏好信息，设定噪声检测机制来识别和修正噪声数据，得到修正后的评分矩阵R′；将R′作为输入，利用系统中已有的推荐方法进行结果预测和排序；设定待推荐项目数量k，将符合推荐条件的项目j推送给目标用户i，形成个性化推荐列表。

技术领域

本发明涉及推荐技术领域，主要涉及一种基于直觉模糊集的噪声检测推荐系统。

背景技术

随着信息技术的高质量发展，信息获取已经成为人们与外部世界进行交互的一项基本活动。用户通过线上平台所能够获取到的信息越来越多，然而，大量无差异信息的涌现，使得其根据兴趣偏好获取到对自身有用且有价值的信息的难度增大。信息分析与预测作为最关键的技术，可以充分利用历史信息，快速预测出潜在有价值的信息，这极大地降低了时间成本，提高了用户满意度。推荐系统作为一种杰出的信息过滤技术，能在超载搜索空间中预测出用户感兴趣的产品或服务，为用户提供个性化的推送。一个有效的推荐系统可以极大地提高用户的满意度和购买体验，同时增强他们对平台的黏性，进而提升平台的影响力。协同过滤技术是目前最为流行的推荐技术之一，其基本思想是通过分析用户的历史偏好行为来对系统中的海量数据进行筛选，为其推送可能感兴趣的内容。其中，用户历史偏好行为的获取是关键一环，输入信息的质量将会直接或间接地影响推荐结果。因此，设计一种方法对推荐系统中可用的数据信息进行预处理，以为推荐系统提供准确、可靠的信息输入就显得尤为重要。

目前，大多数推荐方法假定用户是完全理性的且评分信息可以正确的反映其自身真实偏好。然而，在实际的推荐系统中，评分数据并不是完全可靠的，由于不同用户的评分偏好差异性以及评分信息的不确定性，推荐系统所获取到的输入信息总是存在一定噪声。因此，借助一定的手段对输入信息进行噪声识别和修正就显得尤为重要。

发明人在对推荐系统中输入数据进行预处理研究时，发现推荐系统作为特定的不确定性信息系统，其提供不确定决策的过程与直觉模糊集的概念高度相关，故借助直觉模糊集的相关理论，从定性的角度来划分用户和项目，再通过噪声检测规则识别出噪声数据，并对其修正。然后，将修正后的数据用于后续推荐过程中，以进一步提高推荐方法的预测结果，实现高质量推荐。

发明内容

针对上述问题，本发明提出一种基于直觉模糊集的噪声检测推荐系统，包括：

数据采集及准备模块，用于对用户数据进行获取与处理，以得到系统所需要的信息，构建用户-项目评分矩阵R。

偏好分类模块，借助直觉模糊集理论，获取用户i和项目j的直觉模糊数，并据此将用户和项目的偏好倾向分为三类：强偏好用户(或项目)、弱偏好用户(或项目)、未知偏好用户(或项目)。

噪声检测与修正模块，根据用户和项目偏好倾向的划分，利用设计的噪声检测方法对输入的评分矩阵R中存在的噪声数据进行识别与修正，得到修正后的用户-项目评分矩阵R^′。

结果预测模块，将修正后的评分数据作为现有推荐方法的输入信息，预测出目标用户在未评分项目上的偏好值，并对结果进行从大到小排序。

推荐结果获取模块，用于为目标用户i找到前k个具有最高预测偏好值的项目进行个性化推送。

本发明所述的噪声检测推荐系统，所述数据采集及准备模块，用于将采集的原始数据处理成为一个用户-项目评分矩阵R。

本发明所述的噪声检测推荐系统，所述偏好分类模块，借助直觉模糊集相关理论，对用户和项目的偏好倾向进行分类，具体包括：