[发明专利]一种基于兴趣群组的群体推荐方法

摘要

一种基于兴趣群组的群体推荐方法涉及信息技术领域。目前各个网站主要进行的是个性化推荐，为每个用户量身定做推荐内容，这样随着用户的增多，推荐服务器的计算压力比较大，难以实时推荐。本发明先根据用户的兴趣爱好将他们分配到兴趣群组中，每个兴趣群组用一个虚拟用户代表这个兴趣群组的爱好。为群组内用户的推荐都使用同一个兴趣群组的推荐列表。所以计算量显著减少。在推荐系统中存在数据稀疏性问题，增加了项目评分支持度作为衡量某个项目的评分可信程度标准。本发明增强推荐结果的多样性，同时也能显著减少产生推荐结果的计算量，提高系统的可扩展性。

主权项

一种基于兴趣群组的群体推荐方法，其特征在于包括如下步骤：1)根据群组内用户成员的特征表示，计算产生群组虚拟用户的特征表示，群组虚拟用户的特征表示代表了该群组的兴趣；2)通过计算群组虚拟用户和待加入群组用户特征表示的特征相似度，形成若干兴趣群组；3)改进基于用户的协同过滤方法，增加用户评分有效性，为兴趣群组内用户生成用户个体评分；4)依据群组内用户个体评分，产生该兴趣群组的Top‑K推荐列表；当需要为用户产生推荐时，使用该用户所在的兴趣群组推荐列表代替用户的个性化推荐列表；步骤1)和2)具体如下：步骤100：根据用户对项目评分，计算用户的兴趣特征；选取用户评分的前k个项目作为代表用户的兴趣特征；定义I＝<i1，...，in>为项目集合；用户p的兴趣特征表示为用户对项目评分的集合：其中，为用户p对项目ij的评分，r(m)为用户p的所有项目评分的次序统计量；步骤200：根据用户的兴趣特征和兴趣群组的群组特征，选择与其兴趣相近的兴趣群组，将用户加入该组中，同时进行兴趣群组的维护，包括兴趣群组的群组特征向量的更新，兴趣组的分裂与合并；包括：步骤201：判断用户是否为推荐系统中的第一个用户，确定所述当前用户是推荐系统第一个用户，执行步骤202；否则执行步骤203；步骤202：建立新的兴趣群组；为该群组产生新的群组编号；步骤203：计算所述当前用户的兴趣特征与推荐系统中已有兴趣群组的群组特征的相似度，并且相似度大于阈值δ，δ取值为0.15‑0.3；采用Pearson相关系数度量方法，则用户a与群组虚拟用户b的相似度计算方法如下：其中P＝{p1,......,pm}为m个项目的集合，rq，p为用户a对项目p的评分，rb，p为用户b对项目p的评分，和分别为用户a和群组虚拟用户b对所有打过分项目的平均分；步骤204：在所述当前用户的兴趣特征与兴趣群组的虚拟用户特征相似度大于阈值δ的兴趣群组中，选择相似度最高的兴趣群组，作为所述当前用户即将加入的兴趣群组；步骤205：当有用户加入或者离开兴趣群组时，需要对兴趣群组进行维护，包括：步骤205a：判断当前兴趣群组的成员变化，如果有新用户成员加入，执行步骤205b；如果有用户成员退出，执行步骤205d；步骤205b：当有新的用户加入时，判断当前兴趣群组内成员数量是否超过阈值MaxNumber；为了避免群组合并后形成的新组再次分裂，群组分裂值MaxNumber和群组合并值MinNumber应满足MaxNumber 》2*MinNumber；如果当前兴趣群组成员数量超过阈值MaxNumber，执行步骤205c，否则执行步骤205f；步骤205c：根据用户的兴趣特征，使用K‑means聚类算法，将原有兴趣群组内用户重新聚类成2个新的兴趣群组；步骤205d：当有新的用户退出时，判断当前兴趣群组内成员数量是否小于阈值MinNumber；如果当前兴趣群组成员数量小于阈值MinNumber，执行步骤205e，否则执行步骤205f；步骤205e：通过计算兴趣群组之间的虚拟用户特征相似度，将该兴趣群组成员合并到与其兴趣特征相似度最高的兴趣群组中；步骤205f：计算新生成兴趣群组的虚拟用户兴趣特征；采用平均值策略，群组G对项目i的评分为：其中，rui为用户u对项目i的评分,|Gi|为群组G中对项目i进行过评分的用户数量；则群组G的兴趣特征表示为：其中，为群组G对项目ij的评分，rG(m)为群组G的所有项目评分的次序统计量。