[发明专利]基于模糊机制用户评分邻域信息的协同过滤推荐方法

摘要

本发明公开一种基于模糊机制用户评分邻域信息的协同过滤推荐方法。其技术方案是：1.获取用户对项目的评分信息，创建评分矩阵；2.根据评分矩阵计算用户评分隶属度，根据项目上下文信息计算项目对相似度的贡献率；3.根据评分隶属度和相似度的贡献率，构建用户喜欢不喜欢相似度；4.对评分数目小的用户进行相似度值的缩减，构建用户Jnum相似度；5.根据用户喜欢不喜欢相似度和用户Jnum相似度，构建用户最终相似度；6.根据最终相似度，选取相似度值最高的前K个作为参考邻居用户，完成对目标用户的预测。实验仿真结果表明，本发明比传统协同过滤算法能得到更好的推荐质量，可用于向用户推荐感兴趣的项目。

主权项

1.一种基于模糊机制用户评分邻域信息的协同过滤推荐方法，包括如下步骤：(1)从原始的用户‑物品‑评分‑时间这四维数据中获取用户U对项目I的评分信息，创建用户对项目的评分矩阵Rn×p，其中n代表用户的数目，p代表项目的数目；(2)根据用户的评分矩阵，确定任意两个用户a与用户b的相似度值sim(a,b)：(2a)运用软划分机制，分别构建用户u对项目i评分的喜欢隶属度Lu,i和用户u对项目i评分的不喜欢隶属度Du,i：其中ru,i为用户u对项目i的评分，m为推荐系统用户评分的最小值，M为推荐系统用户评分的最大值；(2b)运用项目评分的上下文信息，分别构建项目i评分的喜欢贡献率因子Cli和项目i评分的不喜欢贡献率因子Cdi：其中#Ui表示整体用户对项目i的评分人数；(2c)运用如下改进的Jaccard函数Jnum(a,b)，对评分数目小于平均项目数的用户进行相似度值的惩罚：其中其中#I_a表示用户a对整体项目的评分数目，#I_b表示用户b对整体项目的评分数目，表示整体用户的平均项目数,Q₃为用户评分数目的四分之三分位数；(2d)构建任意两个用户a与b喜欢不喜欢的相似函数LD(a,b)如下：其中其中ru表示用户u对已经评价项目的评分平均值；2e)结合改进的Jaccard函数Jnum(a,b)和喜欢不喜欢相似函数LD(a,b)，构建任意两个用户a与b最终的相似度函数sim(a,b)：sim(a,b)＝LD(a,b)·Jnun(a,b)；(3)根据步骤(2)所构建的任意两个用户a与b最终相似度函数sim(a,b)，计算所有用户两两之间的相似度，选择与目标用户相似程度最高的k个邻居用户，根据所选的k个邻居的项目评分数据，对目标用户未评分项目进行评分预测；(4)根据预测评分，对目标用户未评分项目进行分数值从大到小的排列，筛选出前N个项目即产生对用户的推荐项目，2≤N≤20。