[发明专利]一种融合社会标签相似度基于K近邻的协同过滤推荐系统

说明书

技术领域

本发明属于数据挖掘的技术领域，具体涉及一种融合了社会标签相似度基于K近邻的协同过滤推荐系统，适用于推荐结果的优化。 

背景技术

个性化推荐系统根据用户个人不同的兴趣爱好进行推荐，通常这种系统使用协同过滤技术来实现。在协同过滤推荐系统中，用户对不同项目的喜好以一个用户-项目评分矩阵来表示，越高的评分表明了用户对项目更强的兴趣。协同过滤技术使用已有的数据，处理和完成这个矩阵中缺失数据的估计问题。构造协同过滤推荐系统时最常用的两类模型是近邻关系模型和隐向量模型。近邻关系模型构建用户与用户或者项目与项目之间的邻居关系，使用用户或项目邻居之间已有的评分数据来做出评分预测。近邻关系模型使用和集成起来更加简单明了，其具备更高的灵活性，推荐结果也更加直观和易于理解。本发明一种融合社会标签相似度基于K近邻的协同过滤推荐系统采用近邻关系模型。 

本发明通过融合社会标签网络中的语义信息来优化基于K近邻模型的协同过滤算法。现有的系统只考虑了社会标签网络信息或者简单直接地使用了社会标签网络信息和评分数据。本系统旨在通过多数据源融合来优化传统的K近邻模型。系统使用社会标签网络的语义信息作为项目的相似度支持度，然后采取两种与评分数据融合的策略，按比例融合和按权重融合。通过这两种策略，K近邻模型能够提供更高的推荐精度，同时也可以通过降低K值从而降低计算的复杂度。 

发明内容

本发明要解决的技术问题为：本发明通过提出一种新的度量标准，社会标签相似度作为项目的相似度支持度，帮助优化K近邻集合的质量。在这种新的度量标准之上，系统采取两种融合策略来优化K近邻模型的推荐精度和K值来降低计算复杂度，从而构建出更好的基于K近邻的协同过滤推荐系统 

本发明解决上述技术问题采用的技术方案为：一种融合社会标签相似度基于K近邻的协同过滤推荐系统，其特征在于：具体包括： 

（一）社会标签语义相似度的计算方法分析模块 

该分析模块首先在给定的包含|I|个项目的社会标签数据上对标签信息进行分析，过滤，去重预处理，其中，I是项目集合，|I|代表项目集合I的个数；然后计算标签与标签之间的语义相似度，最后定义了标签集合之间的语义相似度的计算方法，作为两个项目之间的社会标签相似度； 

标签与标签的相似度使用WordNet中的Wu and Palmers算法定义： 

SimWP(c1,c2)=2×depth(lso(c1,c2))len(c1,c2)+2×depth(lso(c1,c2))---(1)]]>