基於用戶間多相似度的協同過濾推薦方法

2023-06-09 12:48:41 1

專利名稱：基於用戶間多相似度的協同過濾推薦方法
技術領域：
本發明涉及一種協同過濾推薦方法，尤指一種基於用戶間多相似度的協同過濾推薦方法。
背景技術：
網際網路時代的到來，使人們又增加了一條極為重要的獲取信息的途徑。網際網路技術的飛速發展，也帶動了網際網路上的信息總量以指數級的速度增長著，從而使得網際網路信息過載問題日益嚴重。用戶面對浩瀚如煙的海量信息往往變得無所適從，無法快速地從中 找到自己需要的信息。而作為一種能有效改善網際網路信息過載問題的技術手段，推薦系統正越來越受到業界的重視，自從上世紀90年代中期被提出以來，無論在學術界還是實際應用中都獲得了極大的關注。推薦系統通過學習用戶的行為，了解和掌握用戶的偏好，從而可以更有針對性地向用戶推薦他們可能感興趣的內容。在已有的推薦算法中，協同過濾推薦算法是比較成熟，也是在實際應用中使用非常廣泛的一類推薦算法。目前已有的大部分協同過濾推薦算法都可以分成三步(I)根據用戶的歷史評分記錄計算用戶之間的評分相似度；(2)從與當前用戶相似度最高的用戶中選取若干個作為最近鄰，根據這些最近鄰對於某一項目的實際評分來預測當前用戶對於該項目的評分；(3)選取預測評分最高的若干個項目作為推薦結果提供給當前用戶。協同過濾推薦算法是基於用戶的歷史評分記錄來產生推薦的，從理論上講不需要了解用戶的個人信息，也不需要了解項目的內容信息。因此，對於任何種類的用戶和項目，協同過濾推薦算法都能獲得相近的推薦質量，這一特點使它特別適合用來推薦電影、音樂等其他類型的推薦算法很難處理的項目。由此可知，協同過濾推薦算法的基本思想是通過與當前用戶相似的其他用戶對於某一項目的實際評分，來預測當前用戶對於該項目的評分。「相似」的用戶就是指興趣和口味相似的用戶。因此，相似的用戶在給項目評分時往往會給出相近的評分結果，而這也是利用協同過濾進行評分預測的主要依據。但是日常經驗告訴我們，人們對於不同類型事物的喜好程度往往是不同的。也就是說，同時對某類事物感興趣的兩個人，對於另一類事物的喜好程度有可能就會完全不同。表現在對項目的評分上就是這兩人對於某一類型的項目的評分比較相近，但是對於另一類項目的評分則有可能大相逕庭。因此，從這個角度來看，傳統的協同過濾推薦算法僅依靠單一的相似度來度量兩個用戶對於所有類型項目的喜好相似程度不是很合理。因此，如何提供一種可有效提高推薦質量的協同過濾推薦方法，以克服現有技術所存在的問題，便成為目前業界急待克服的課題。

發明內容
鑑於上述現有技術的缺點，本發明的目的在於提供一種基於用戶間多相似度的協同過濾推薦方法，以克服傳統協同過濾推薦算法中僅採用單一相似度無法準確描述用戶間對於不同項目類型喜好的相似程度的問題。為達到上述目的，本發明所提供的基於用戶間多相似度的協同過濾推薦方法，其用以將欲推薦的項目的預測評分提供給第一用戶，該方法包括(1)確定欲推薦的項目所包含的多個類型；(2)定義與第一用戶共同參與評分過的屬於所確定的每個類型的項目的其他至少一個用戶為第二用戶；(3)採用相關相似性或餘弦相似性分別計算第一用戶與多個第二用戶中的每一個第二用戶之間的針對所確定的各個類型的相似度；(4)自該多個第二個用戶中選取K個與第一用戶針對所確定的各個類型的相似度最高的用戶作為最近鄰用戶，並依據所計算得到的第一用戶與該K個最近鄰用戶相互之間針對所確定的各個類型的相似度，，且搭配依據該K個最近鄰用戶對屬於所確定的類型的項目的實際評分，分別計算得到第一用戶基於欲推薦的項目所包含的各個類型的多個預測評分；以及(5)對所計算得到的多個預測評分取加權平均值，並將加權平均的結果作為欲推薦的項目的預測評分提供給第一用戶。具體而言，在本發明的一個實施例中，上述步驟(3)中採用相關相似性計算第一用戶與其中一個第二用戶之間的針對由步驟(I)所確定的各個類型的相似度的計算公式如下
權利要求
1.一種基於用戶間多相似度的協同過濾推薦方法，其用以將欲推薦的項目的預測評分提供給第一用戶，所述方法包括 (1)確定欲推薦的項目所包含的多個類型； (2)定義與第一用戶共同參與評分過的屬於所確定的每個類型的項目的其他至少一個用戶為第二用戶； (3)採用相關相似性或餘弦相似性分別計算第一用戶與多個第二用戶中的每一個第二用戶之間的針對所確定的各個類型的相似度； (4)自該多個第二個用戶中選取K個與第一用戶針對所確定的各個類型的相似度最高的用戶作為最近鄰用戶，並依據所計算得到的第一用戶與該K個最近鄰用戶相互之間針對所確定的各個類型的相似度，且搭配依據該K個最近鄰用戶對屬於所確定的類型的項目的實際評分，分別計算得到第一用戶基於所確定的各個類型的多個預測評分；以及 (5)對所計算得到的多個預測評分取加權平均值，並將加權平均的結果作為欲推薦的項目的預測評分提供給第一用戶。
2.根據權利要求I所述的基於用戶間多相似度的協同過濾推薦方法，其特徵在於，所述步驟(3)中採用相關相似性計算第一用戶與其中一個第二用戶之間的針對由步驟(I)所確定的各個類型的相似度的計算公式如下
3.根據權利要求I所述的基於用戶間多相似度的協同過濾推薦方法，其特徵在於，所述步驟(3)中採用餘弦相似性計算第一用戶與其中一個第二用戶之間的針對由步驟(I)所確定的各個類型的相似度的計算公式如下
4.根據權利要求2或3所述的基於用戶間多相似度的協同過濾推薦方法，其特徵在於，所述步驟(4)中第一用戶基於欲推薦的項目所包含的每個類型的預測評分採用如下公式計算
5.根據權利要求4所述的基於用戶間多相似度的協同過濾推薦方法，其特徵在於，所述步驟(5)中欲推薦的項目的預測評分採用如下公式計算
全文摘要
一種基於用戶間多相似度的協同過濾推薦方法，主要是預先確定欲推薦的項目所包含的多個類型，再分別計算用戶基於這些項目類型的多個預測評分，更加準確地描述了用戶間對於不同項目類型喜好的相似程度，之後對所計算得到的多個預測評分取加權平均值，以作為欲推薦的項目最後的預測評分提供予當前用戶，有效地提高了預測評分的準確性。
文檔編號G06F17/30GK102779131SQ20111012199
公開日2012年11月14日 申請日期2011年5月12日 優先權日2011年5月12日
發明者程久軍, 範波, 蔣昌俊, 閆春鋼 申請人:同濟大學