[发明专利]基于评分修正的项目推荐方法

摘要

本发明提供一种基于评分修正的项目推荐方法。根据用户的体验对项目进行评分，基于线性回归进行第一次修正，第一次修正后的用户项目评分矩阵。需要保留用户需求的变化并且防止过度拟合，于是需要进行第二次修正，计算相应的原始评分的权重。用特征向量描述活动用户对项目的偏好特征。根据活动用户已知评分项目的K个最近邻居预测未知评分。对所得到的结果进行相应的评估。本发明可以消除主观特征，使评分具有客观性，可以更准确的表达用户的偏好。本发明采用二次修正，对于兴趣随着时间的变化更加敏感，使得系统能够更加准确地识别出用户当前的兴趣偏好，从而是产生的推荐结果的准确性得到大幅度的提高。

主权项

1.一种基于评分修正的项目推荐方法，其特征在于：包括：步骤1：用户根据自身当时的体验对项目进行评分，根据用户评分得到一个大小为N×M的矩阵R＝(r_n,m)，其中，元素r_n,m表示用户n对项目m的评分；其中n＝1、2、3...N，表示用户的人数，m＝1、2、3...M，表示项目的个数；步骤2：对矩阵R＝(r_n,m)进行一次修正，一次修正矩阵为R′＝(r′_n,m)；其中，u,v∈n，i,j∈m，I_u,v表示被用户u和v同时评价过的项目的集合，dev_u,v表示用户u和v的偏差，r_u,i是指用户u评价第i个项目的得分，r_v,i是指用户v评价第i个项目的得分，U_i＝{v|v∈U_i,|I_u,v|＞0}表示评价过第i个项目i的用户的集合；步骤3：对一次修正矩阵R′＝(r′_n,m)进行二次修正；令R″＝(r″_n,m)标记二次修正后的用户项目评分矩阵，对评分进行的二次修正方法，如公式(2)所示：R″＝λR+(1‑λ)R′  (2)其中，λ是原始评分的权重；λ∝lgK  (3)其中，K为特征向量i_i的个数，特征向量为由K个最近邻居构成的项目i的特征向量i_i＝(i_i1,...,i_iK)^T；步骤4：根据活动用户已知评分项目的K个最近邻居预测未知评分；步骤4.1：找到项目的最近邻居，二次修正后的项目i和j之间的相似度如公式(4)所示：其中，U_i,j标记评价过项目i或j的用户的集合，U_i标记评价过项目i的用户的集合，U_j标记评价过项目j的用户的集合，r″_u,i是指经过二次修正后用户u评价第i个项目的得分，r″_v,i是指经过二次修正后用户v评价第i个项目的得分，sim(i,j)∈[0,1]；步骤4.2：令KNN(i)表示项目i的K个最近邻居，和分别表示项目i和j的平均分；使用二次修正后的评分预测未知评分，公式(5)所示；步骤4.3：将计算得出的未知评分进行从大到小的排序，选取前L个项目作为推荐项目，L为大于等于1的正整数；步骤5：对二次修正后的用户项目评分矩阵进行评估。