一種基於用戶行為模型和蟻群聚類的協同過濾推薦算法

2023-04-25 12:50:41

一種基於用戶行為模型和蟻群聚類的協同過濾推薦算法
【專利摘要】本發明屬於協同過濾推薦【技術領域】，具體涉及一種基於用戶行為模型和蟻群聚類的協同過濾推薦算法。本發明在傳統協同過濾推薦技術基礎上，採用蟻群聚類算法對用戶進行分類，在整個用戶空間高效的查找鄰居用戶群，結合用戶行為模型和基於項目內容的推薦，使現有方法存在的問題得到很大改善。本發明涉及更好地模擬蟻群聚類，選擇用戶行為模型的更新方程，降低預處理複雜度及進一步挖掘用戶行為模型的研究等。本發明經過多重模型組合，得到較傳統協同過濾推薦技術的算法更為靈活的推薦技術，可以適應多種場景並提高了推薦質量。
【專利說明】一種基於用戶行為模型和蟻群聚類的協同過濾推薦算法
【技術領域】
[0001]本發明屬於協同過濾推薦【技術領域】，具體涉及一種基於用戶行為模型和蟻群聚類的協同過濾推薦算法。
【背景技術】
[0002]推薦技術在整個網際網路領域的重要性日益凸顯，並越來越受到研究者的重視。在信息爆炸的時代，如何從海量數據中幫用戶快速定位到喜歡的內容，是一個有挑戰性的難題。目前，幾乎所有的大型電商網站、視頻網站以及內容提供網站，都已經不同程度的實現了推薦系統。為保證推薦系統在滿足實時性要求的前提下能夠產生相對較為精確的推薦內容，研究人員提出了許多不同類型的推薦算法，如協同過濾推薦技術、關聯規則算法、Horting圖算法等不同算法。Typestry是最早被提出的基於協同過濾算法的內容推薦系統，但其不足是需要用戶自己手動設置與自己興趣類似的其他用戶，其核心思想比較類似SNS系統的Follow概念。
[0003]推薦技術最大的難點在於，隨著用戶數以及項目(如商品、影視、新聞等)數的增長，用戶評分矩陣規模呈指數速度上升，並且矩陣變得十分稀疏，如何找到目標用戶喜歡的項目集合，是解決問題的關鍵。協同過濾算法作為當前應用最為廣泛的算法之一，可以給出較好的推薦結果，但是存在一定的缺陷:(I)過度依賴用戶評分機制，當用戶評分標準不一時，結果差異很大。(2)用戶聚類時採用K近鄰算法，會由於用戶評分矩陣過於稀疏而難以收斂。(3)冷啟動問題。針對以上問題，本發明提出了基於用戶行為模型和蟻群聚類的協同過濾推薦算法。算法充分結合了內容單元自身信息，通過啟發式蟻群聚類對用戶進行分類，並結合用戶在不同影片之間瀏覽跳轉的行為模型，改善了以上問題現狀。
[0004]I，傳統協同過濾技術。協同過濾推薦技術基於這樣一個假設:如果用戶對一些項目的評分比較相似，則他們對其他項目的評分也會較為接近。通過與目標用戶相似的鄰居用戶群的評分預測推薦結果，從而達到推薦給目標用戶喜歡的項目的目的，蘊含了「目標用戶會對其相似用戶喜歡的項目也感興趣」的思想。算法有兩個步驟:
[0005](I)(通過用戶評分矩陣計算用戶相似度。常用的計算方法有餘弦相似性和關聯相似性兩種計算方法。具體的公式如(I)和(2)所示:
【權利要求】
1.一種基於用戶行為模型和蟻群聚類的協同過濾推薦算法，其特徵在於具體的步驟如下: (一)基於蟻群聚類的協同過濾推薦 聚類問題的蟻群算法基本思路如下:在每個模式樣本處分別放置I個螞蟻，螞蟻傾向於選擇信息素最多的一條路徑移動，也就是距離最近的一個模式樣本；將第j模式樣本分配給第J個聚類中心= 1，2,..., K)，螞蟻在模式樣本7到聚類中心7的路徑上留下信息素CT1.，那麼第個螞蟻選擇聚類中心的概率為:
【文檔編號】G06N3/00GK103927347SQ201410129925
【公開日】2014年7月16日 申請日期:2014年4月1日 優先權日:2014年4月1日
【發明者】金城, 楊昭, 馮瑞, 薛向陽 申請人:復旦大學