[发明专利]一种融合人格特质和物品标签的单分类协同过滤方法

摘要

本发明公开了一种融合人格特质和物品标签的单分类协同过滤方法，包括：首先基于用户人格特质计算用户间的相似度，根据其相似度计算用户对物品的偏好程度；然后基于物品标签计算用户对物品的偏好程度；紧接着融合基于人格的用户对物品的偏好和基于物品标签的用户对物品的偏好得到用户对物品的总偏好程度，利用其总偏好程度构建矩阵分解模型；最后根据模型进行推荐。本发明使用人格特质和物品标签作为额外的信息来识别出缺失数据中混合在一起的正例和负例，从而有效地解决数据稀疏问题和新用户冷启动问题，继而提高个性化推荐的精度。

主权项

1.一种融合人格特质和物品标签的单分类协同过滤方法，其特征是按照如下步骤进行：步骤一、用二维表R＝{u,i}表示用户对物品的行为记录，用二维表P＝{u,p}表示用户的人格特质数据，用二维表T＝{i,tag}表示物品的标签数据；其中，u＝{u1,u2,...,un,...,uN}表示用户集合，un表示第n个用户，n＝1,2,…,|N|，|N|表示用户的总数；i＝{i1,i2,...,im,...,iM}表示物品集合，im表示第m个物品，m＝1,2,…,|M|，|M|表示物品的总数；p＝{p1,p2,...,pn,...,p|N|}表示用户人格特质的信息集合，pn表示第n个用户un的人格特质，并有：表示第n个用户un的第j个人格特质，j＝1,2,…,|J|，|J|表示人格特征的总数；tag＝{t1,t2,...,tk,...,t|K|}表示物品的标签集合，tk表示第k个标签，|K|表示标签的总数；步骤二、基于用户人格特质的信息集合p，利用式(1)得到第n个用户un与第s个用户us的相似度sim(un,us)，从而得到与第n个用户un相似度最高的前Q个近邻用户： s i m ( u n , u s ) = p n · p s | p n | · | p s | - - - ( 1 ) ]]>式(1)中，|·|表示向量长度；步骤三、基于标签集合tag，利用式(2)得到第n个用户un对第m个物品im的偏好程度 pre n , m t a g = Σ k = 1 | K | c o u n t ( t k n ) s u m ( tag n ) - - - ( 2 ) ]]>式(2)中，表示第n个用户un的第k个标签的数量，sum(ta