[发明专利]一种基于用户偏好相似度加权的协同过滤推荐方法

摘要

本发明公布了一种基于用户偏好相似度加权的协同过滤推荐方法。其特征是：步骤1建立用户与项目之间的评分矩阵，并统计出用户集合与标签集合；步骤2通过标签权重计算公式计算出每一个用户中所有项目标签所占的权重，并构建用户标签偏好矩阵；步骤3利用余弦相似度计算出每一个用户与其余用户的评分相似度，并构建评分相似矩阵与偏好相似矩阵；步骤4近邻用户选择，并构建近邻用户集合；步骤5利用线性加权计算公式计算预测评分。本发明借鉴基于用户和项目加权的推荐算法，在最后预测评分进行加权，能够扩大用户偏好对最终推荐结果的影响，从而提升推荐结果的准确性，提升系统的可信度和用户的忠诚度。

主权项

1.一种基于用户偏好相似度加权的协同过滤推荐方法，其特征在于，具体步骤如下：步骤1：建立用户与项目之间的评分矩阵R，从评分矩阵R中统计出用户集合，记为U＝{u₁,u₂,...,u_m},m表示用户集合中用户的数量，项目集合I＝{I₁,I₂,...,I_n}，其中n表示项目数量，根据项目信息统计出所有出现过的标签集合，记为L＝{l₁,l₂,...,l_g}，其中g表示标签数量，用户评分为给定的一个评分区间，且满足用户评分越高，表示用户越喜欢；步骤2：根据评分矩阵R通过标签权重计算公式计算出每一个用户u中所有项目标签l所占的权重W_ul,然后通过所述权重W_ul构建用户标签偏好矩阵W；用户u喜欢的项目标签l所占的权重W_ul计算公式如下：其中J表示用户u评价过的项目集合，L表示所有出现过的标签集合，C_il表示在项目i中标签l出现的次数，R_ui表示用户u对项目i的评分，C_i表示项目i中标签的总数量，T_u为用户u评价过的项目总评分；步骤3：1)对于评分矩阵R，采用余弦相似度来遍历计算评分矩阵R中每一个用户与其余用户的评分相似度，然后将遍历计算得到的所有所述评分相似度存入评分相似矩阵A中，所述的评分相似度计算公式如下：其中，S(u,v)表示用户u与用户v之间的评分相似度，(u,v)∈U且U表示所有用户的集合，I表示项目集合，I＝{I₁,I₂,...,I_n}，其中n表示项目数量，R_ui表示用户u对项目i的评分，R_vi表示用户v对项目i的评分；2)对于用户标签偏好矩阵W，也采用余弦相似度来遍历计算用户标签偏好矩阵W中每一个用户与其余用户的偏好相似度，然后将遍历计算得到的所有所述偏好相似度存入偏好相似矩阵B中，所述的偏好相似度计算公式如下：其中，Q(u,v)表示用户u与用户v之间的偏好相似度，(u,v)∈U且U表示所有用户的集合，L表示标签集合，L＝{l₁,l₂,...,l_g}，其中g表示标签数量，W_ul表示用户u对标签l的评分占用户u对所有标签评分总分的比重，W_vl分别表示用户v对标签l的评分占用户v对所有标签评分总分的比重；步骤4：方法一，将评分相似矩阵A中每一行的所有评分相似度按照从大到小排序，然后取前k个用户作为用户u的近邻用户集合，记为N_u，其中0<k<m，m表示用户集合U中用户的数量，所述的通过评分相似矩阵A计算得到的近邻用户集合N_u中的评分相似度满足S(u,u₁)≥S(u,u₂)≥...≥S(u,u_σ)...≥S(u,u_k)，其中u_σ∈N_u，0＜σ＜k；方法二，将偏好相似矩阵B中每一行的所有偏好相似度按照从大到小排序，然后取前k个用户作为用户u的近邻用户集合，记为PN_u，其中0<k<m，m表示用户集合U中用户的数量，所述的通过偏好相似矩阵B计算得到的近邻用户集合PN_u中的偏好相似度满足Q(u,u₁)≥Q(u,u₂)≥...≥Q(u,u_σ)...≥Q(u,u_k)，其中u_σ∈PN_u，0＜σ＜k；通过所述两种方法计算之后，最后每一个用户都会存在一个通过评分相似矩阵A计算得到的近邻用户集合N_u和通过偏好相似矩阵B计算得到的近邻用户集合PN_u；步骤5：首先通过评分相似矩阵A计算得到的近邻用户集合N_u来计算基于用户的协同过滤预测评分P_r(u,i)，其中u∈U,i∈I，U表示所有用户的集合，I表示项目集合，通过偏好相似矩阵B计算得到的近邻用户集合PN_u来计算基于用户偏好的预测评分P_p(u,i)，其中u∈U,i∈I，U表示所有用户的集合，I表示项目集合，然后将通过评分相似矩阵A计算得到的近邻用户集合N_u计算求得的协同过滤预测评分P_r(u,i)与通过偏好相似矩阵B计算得到的近邻用户集合PN_u计算求得的基于用户偏好的预测评分P_p(u,i)采用线性加权的方式计算，最后得出用户u对项目i的最终预测评分P(u,i)；所述的协同过滤预测评分P_r(u,i)的计算公式如下：其中，表示用户u对项目集合I中的n个项目的平均评分，表示用户u_σ对项目集合I中的n个项目的平均评分，S(u,u_σ)表示通过评分相似矩阵A计算得到的近邻用户集合N_u中的评分相似度，表示用户u_σ对项目j的评分，j又表示项目集合I中项目i之外的其他项目；所述的基于用户偏好的预测评分P_p(u,i)的计算公式如下：其中，表示用户u对项目集合I中的n个项目的平均评分，表示用户u_σ对项目集合I中的n个项目的平均评分，Q(u,u_σ)表示通过偏好相似矩阵B计算得到的近邻用户集合PN_u中的偏好相似度，表示用户u_σ对项目j的评分，j又表示项目集合I中项目i之外的其他项目。