[发明专利]在推荐系统中利用潜在邻居关系图筛选最近邻居的方法

摘要

本发明公开了在推荐系统中利用潜在邻居关系图筛选最近邻居的方法，包括以下步骤：(1)产生具有冗余特性的对象簇集合C；(2)构建簇集合C对应的潜在邻居关系图；(3)量化潜在邻居关系图中每条边权重，边的权重表示边所邻接的两个对象成为最近邻居的可能性；(4)对潜在邻居关系进行裁剪，剔除多余的比较；(5)利用裁剪后的潜在邻居关系图筛选目标的最近邻居。这种筛选方法在保障推荐的精度前提下，将基于完整大规模数据集的推荐映射到一个规模较小的数据集的推荐，降低推荐系统规模，保证推荐方法的高效率。

主权项

1.在推荐系统中利用潜在邻居关系图筛选最近邻居的方法，其特征在于，包括以下步骤：步骤1、设i∈O，O是需要筛选最近邻居的对象集，i是对象，采用模糊聚类技术依据对象的特征向量，将对象i按预先设定的概率指派到多个簇中，由此产生含K个对象簇的簇集合C；步骤2、构建簇集合C对应的潜在邻居关系图G_C＝{V_C,E_C}，其中，V_C是顶点集合，E_C是无向边集合；具体如下：若对象i和对象j同时出现在簇集合C的同一个簇c中，则称对象i和j为共现对并记为＜i,j＞；对于簇集合C中每对共现对＜i,j＞，先将对象i和j对应的顶点v_i和v_j加入到图G_C中，若两个对象i和j之间没有存在无向边，则用边e_i,j连接顶点v_i和v_j；其中，图G_C中每条边e_i,j表示一潜在的邻居关系，边e_i,j邻接的两个顶点v_i和v_j对应的对象i和j称为邻接对象，j∈O，c∈C，v_i∈V_C，v_j∈V_C，e_i,j∈E_C；步骤3、量化图G_C中每条边的权重；步骤3中采用下式计算边e_i,j的权重e_i,j.weight：其中，C_i表示对象i隶属的簇集合，C_j表示对象j隶属的簇集合，C_i,j为对象i和j共享的集合，C_i,j＝C_i∩C_j，|*|为集合*中成员个数，d(*)表示顶点*的度；步骤4、对图G_C进行裁剪，删除潜在邻居关系图G_C中边的权重低于w_min的边，余下边构成了一新图G_C'；其中，w_min为设置的最小权重阈值；步骤5、选取对象i作为目标，利用裁剪后的潜在邻居关系图G_C'筛选目标的最近邻居，针对G_C'图中目标i的每条邻接边e_i,j，比较并计算效用向量Rⁱ与R^j之间的相似度，然后依据近邻选择条件在目标i的所有邻接对象中筛选其最近邻居；其中，Rⁱ表示对象i的效用向量，R^j表示对象j的效用向量。