[发明专利]一种基于粒子群算法的艺术品推荐方法

摘要

本发明公开了一种基于粒子群算法的艺术品推荐方法，包括如下步骤：S1：形成用户和艺术品属性矩阵；S2：引入K‑means算法，并根据艺术品属性权重对传统算法进行改进，融合用户搜索行为的数量以及频度的特征，构建用户特征向量，进而通过基于属性权重进行相关用户聚类；S3：计算邻居集合：(1)、类别的聚类；(2)、最近邻搜索。本发明通过粒子群寻优过程，寻找全局最优的权重和最优的结果，自动把个性化需求信息及时提供到用户的手里。

主权项

1.一种基于粒子群算法的艺术品推荐方法，其特征在于，包括以下步骤：S1：形成用户和艺术品属性矩阵；S2：引入K‑means算法，并根据艺术品属性权重对传统算法进行改进，融合用户搜索行为的数量以及频度的特征，构建用户特征向量，进而通过基于属性权重进行相关用户聚类；S3：计算邻居集合：(1)、类别的聚类，其具体步骤如下：Step1、初始化一群微粒，且群体规模为m；Step2、计算每个微粒的适应度；Step3、对每个微粒，将其适应值与其经过的最好位置pbest作比较，如果较好，则将其作为当前的最好位置pbest；Step4、如果否，就更新粒子的位置和速度；如果是，输出解决最优解即聚类中心；Step5、未达到结束条件则转Step2，迭代终止条件根据具体问题一般选为最大迭代次数Gk或(和)微粒群迄今为止搜索到的最优位置满足预定最小适应阈值；(2)、最近邻搜索，其具体步骤如下：在经过目标艺术品聚类后，只需要在目标相似性最高几个聚类中就能够找到目标艺术品的大部分邻居，而不用在整个空间进行搜索，与目标相似性最高几个聚类空间相对于整个空间要小得多，因此能够大大提高在线搜索速度，让推荐系统实时性得到保证。