[发明专利]一种面向大规模用户的个性化信息推荐方法

摘要

本发明公开了一种面向大规模用户的个性化信息推荐方法，能够提升大规模用户情形下推荐的准确度。主要分为三个部分构建用户模型、数据预处理和个性化推荐。构建用户模型要处理原始数据集，按照一定的规则格式化原始数据得到用户物品评分矩阵；数据预处理包括用户物品评分矩阵的降维和用户聚类；个性化推荐包括信息填充和信息推荐两个步骤。本发明能够使得推荐给客户的信息更加准确，同时能够适应大规模用户物品数据信息场景下的个性化信息推荐需求。

主权项

一种面向大规模用户的个性化信息推荐方法，其特征在于，包括：步骤1：读取数据集文件构建用户物品评分矩阵；步骤2：使用SVD对用户物品评分矩阵进行降维；步骤3：使用Canopy算法确定降维后的维度k1的值和k1个不同的初始中心；步骤4:将k1和k1个不同的初始中心作为K‑means的输入，进而进行用户聚类，最终得到k1个用户类簇；步骤5：针对每一个用户使用slope one算法进行数据填充，若用户类簇中的用户稀疏，再次使用slope one算法进行数据填充直至用户不稀疏；步骤6：确首先确定相似用户的邻居个数，根据协同过滤算法经过多次试验，经验上一般选择邻居个数为6到10之间的一个数为宜，然后使用距离函数计算用户相似度，其中，rui表示用户u对物品i的评分，表示用户u的评分的均值，rvi表示用户v对物品i的评分，表示用户v的评分的均值；步骤7：在用户类簇内使用基于用户的协同推荐算法针对每一个用户进行推荐，最终对每一个用户生成一个物品的推荐列表。