[发明专利]一种基于非对称距离构建子矩阵的评分预测方法

摘要

本发明公开了一种基于非对称距离构建子矩阵的评分预测方法，使用非对称距离衡量每个用户‑物品评分对与锚点之间的关系，让每个锚点邻域的兴趣尽可能集中在锚点附近，构成的子矩阵相比于使用对称距离更能反映某一群组用户的集中兴趣，对矩阵中空缺项的预测结果会更好；采用快速寻找密度峰的聚类方法来选择锚点，使每个锚点都有较大的邻域密度，并且彼此之间间隔较远，从而导致分割得到的子矩阵分布均匀，具有代表性，能够有效覆盖原始评分矩阵；使用非对称距离衡量矩阵中的每个用户‑物品评分对与锚点之间的关系，减小了对称距离下评分个数太少给距离带来的惩罚，对于评分个数较少的不活跃用户或冷门物品，会有更大的概率被划分到子矩阵中，提高了子矩阵对数据的覆盖程度。

主权项

1.一种基于非对称距离构建子矩阵的评分预测方法，其特征在于，该方法包括以下步骤：S1.使用非负矩阵分解方法对用户‑物品评分矩阵进行分解，得到用户特征矩阵和物品特征矩阵；S2.根据用户特征矩阵，构建用户之间的非对称距离矩阵，根据物品特征矩阵，构建物品之间的非对称距离矩阵；S3.根据用户之间的非对称距离矩阵，选取q个锚点用户，根据物品之间的非对称距离矩阵，选取q个锚点物品，锚点用户和锚点物品随机配对，构成q个锚点；S4.对于每个锚点，根据用户特征矩阵，计算用户到锚点用户的非对称距离，根据物品特征矩阵，计算物品到锚点物品之间的非对称距离；S5.对于每个锚点，根据用户到锚点用户的非对称距离和物品到锚点物品之间的非对称距离，计算用户‑物品对与锚点的相似度，并根据相似度确定该锚点的邻域，该锚点和它的全部邻域构成以该锚点为核心的子矩阵；S6.对于每个子矩阵，使用带权重的矩阵分解方法对该子矩阵进行训练，得到该子矩阵中用户对物品的预测评分；S7.将q个子矩阵的预测评分进行加权平均，得到用户对物品的最终预测评分。