[发明专利]一种消除原始评分数据评分噪声的协同过滤推荐方法

摘要

本发明属于数据挖掘领域，设计了一种消除原始评分数据评分噪声的协同过滤方法。步骤1.构建评分矩阵的用户集合U＝{u1,u2,...um}；评分矩阵的项目集合I＝{i1,i2,...,in}；用户评分矩阵R(m×n)；步骤2.利用现有评分数据求用户uk对项目ij的偏好评分rk,j(preference)；步骤3.重复步骤2,直到调整完成原始评分矩阵每一组评分，得到调整后的评分矩阵R’(m×n)；步骤4.通过调整后的评分矩阵R’(m×n)，计算用户ui与用户uj的相似度sim(i,j)：步骤5.计算用户ui对项目ij预测评分predic(ti,j)：步骤6.判断预测评分predict(i,j)。本发明能够有效调整原始评分矩阵评分数据，提高协同过滤技术的推荐准确度。

主权项

1.一种消除原始评分数据评分噪声的协同过滤推荐方法，其特征在于，步骤如下：步骤1.构建评分矩阵的用户集合U＝{u1,u2,...um}；评分矩阵的项目集合I＝{i1,i2,...,in}；用户评分矩阵R(m×n)，其中，m代表用户数，n代表项目数，rk,j是用户评分矩阵R(m×n)中用户uk对项目ij评分，rk,j∈R(m×n),k∈{1,2,...m}，j∈{1,2,3...n}；步骤2.利用现有评分数据求用户uk对项目ij的偏好评分rk,j(preference)；2.1)从用户评分矩阵R(m×n)中得到用户uk的评分项目集合I(uk)；2.2)I(uk,j)是用户uk已评价过的项目集合中除项目ij以外的项目集合，从I(uk,j)取出与待预测项目ij相异的项目im，计算项目ij与项目im评价评分偏差值devj,i，具体步骤如下：2.2.1)从用户评分矩阵R(m×n)取出同时对待预测项目ij和项目im评分的用户集合Sj,m(R)；2.2.2)从S_j,m(R)取出u_i，如果u_i添加到相似用户集合u_i∈S_j,m(R)；如果则u_i舍弃；2.2.3)计算项目ij与项目im平均评分偏差值devj,i其中，是项目i_j与项目i_m的相似用户集合，是可信度权重，r_w,j是用户评分矩阵R(m×n)中用户u_w对项目i_j的评分，r_w,m是用户评分矩阵R(m×n)中用户u_w对项目i_m的评分；2.3)计算用户uk对项目ij的偏好评分rk,j(preference)：其中，rk,m是用户评分矩阵R(m×n)中用户uk对项目im的评分；步骤3.重复步骤2,直到调整完成原始评分矩阵每一组评分，得到调整后的评分矩阵R，(m×n)；步骤4.通过调整后的评分矩阵R，(m×n)，根据改进余弦相似度计算用户ui前N个相似邻居neighbor(ui)以及相对应的相似度，计算用户ui与用户uj的相似度sim(i,j)：其中，I_i,j是用户u_i与用户u_j共同评分项目集合；是调整后的评分矩阵R，(m×n)中用户u_i的平均评分；是调整后的评分矩阵R，(m×n)中用户u_j的平均评分；r’_i,k是调整后的评分矩阵R’(m×n)中用户u_i中对项目i_k的评分；r’_j,k是调整后的评分矩阵R’(m×n)中用户u_j中对项目i_k的评分；步骤5.计算用户ui对项目ij预测评分predict(i,j)：其中，u_i∈U；i_j∈I；为用户v的平均评分值；为用户u的平均评分值；r’_v,j是调整后的评分矩阵R，(m×n)中用户u_v中对项目i_j的评分；sim(i,v)是用户u_i与用户的u_v相似度；步骤6.判断预测评分predict(i,j)：如果预测评分predict(i,j)为空值，则采用将该项目i_j所有评分的平均值作为预测评分最终结果；如果该项目的仍为空值，则将用户u_i的平均评分作为预测评分最终结果；得到所有的预测评分，结束；其中，调整后的评分矩阵R’(m×n)中项目i_j所有评分的平均值；调整后的评分矩阵R，(m×n)中用户u_i的平均评分。