[发明专利]一种基于推荐概率融合的混合推荐方法

摘要

发明公开了一种基于推荐概率融合的混合推荐方法，该方法包括如下步骤：1）用二维表表示商品的评分数据；2）对已评分集合中的任意项作为未知数，利用基础推荐方法得到对应项的预测结果，将已评分项评分和对应项的预测结果的集合利用神经网络进行训练得到评分预测模型SFM；3）利用基础推荐方法得到未评分项预测结果，将未评分项预测结果的集合利用SFM获得未评分项的最终预测值；4）将用户的所有未评分项按照未评分项最终预测值集合中各预测值的大小进行降序排列获得未评分项排序集合，选取未评分项排序集合的前N项作为推荐结果推荐给用户。本发明能有效反映用户评价的真实情况，提高个性化推荐的精度。

主权项

1.一种基于推荐概率融合的混合推荐方法，其特征是按如下步骤进行：步骤一、用二维表T＝{U,I,f}表示商品的评分数据；所述二维表T中，U＝{U₁,...,U_u,...,U_|U|}表示用户集合，I＝{I₁,...,I_i,...,I_|I|}表示商品集合，f表示用户对商品的评分；所述用户集合U中，|U|为用户的总个数，U_u表示第u个用户；所述商品集合I中，|I|为商品的总个数，I_i表示第i个商品；假设用户U_u对商品I_i的评分等级S为{S₁,...,S_s,...,S_|S|}，所述评分等级S中，评分S_s为整数且S₁＜...＜S_s＜...＜S_|S|，S₁表示商品的最低评分，S_|S|表示商品的最高评分；所述二维表T中，将所有用户的已有评分项用已评分集合表示，为所述用户U_u的已评分集合，表示用户U_u的第i个已有评分项，表示用户U_u的已有评分项的总个数；令为所述用户U_u的未评分集合，表示用户U_u的第i个未评分项，表示用户U_u的未评分项的总个数，令所述用户未评分集合中的任意项步骤二、假设用户已评分集合中的任意项为未知数，将用户已评分集合中的其他项利用基于用户的协同过滤方法和基于项目的协同过滤方法分别获得所述任意项的邻居用户预测结果和邻居项目预测结果将所述邻居用户预测结果和邻居项目预测结果作为所述任意项的已评分项预测结果将用户已评分集合中所有项的已评分项预测结果用已评分项预测结果集合表示；将所述已评分项预测结果集合作为神经网络的输入值，将所述用户已评分集合作为所述神经网络的输出值，对所述神经网络进行训练，获得评分预测模型SFM；步骤三、将用户已评分集合中的所有项利用所述基于用户的协同过滤方法和基于项目的协同过滤方法获得所述用户未评分集合中的任意项的初步预测结果将所述用户未评分集合中所有项的预测结果用未评分项预测结果集合表示；将所述未评分项预测结果集合作为所述评分预测模型SFM的输入值，利用所述评分预测模型SFM获得未评分项最终预测值集合；步骤四、将所述用户U_u的所有未评分项按照所述未评分项最终预测值集合中各预测值的大小进行降序排列获得未评分项排序集合，选取所述未评分项排序集合的前N项作为推荐结果推荐给所述用户U_u。