[发明专利]基于关联规则预测的协同过滤推荐方法

权利要求书

1.基于关联规则预测的协同过滤推荐方法，其特征在于，包括如下步骤：

101根据用户的搜索、浏览行为以及用户的实际反馈，挖掘并获取网站上用户对项目(或产品)的评分数据；

102对于无法挖掘或者用户未评分的项目，通过挖掘用户特征与项目特征之间的关联规则来进行预测；

103利用用户和项目之间的关联规则，构造用户评分的偏好矩阵；

104根据用户偏好矩阵，对稀疏的用户评分矩阵进行预测；

105通过改进传统相似度度量的方法，计算用户u_i与用户u_j之间的相似性，进一步通过用户相似性方法获得目标用户的一组最近邻用户BNS，最终通过BNS获得用户u_j对项目t_k的推荐评分；

106实验评估基于关联规则预测的协同过滤推荐方法。

2.根据权利要求1所述的方法，其特征在于，所述101还包括包括以下步骤：

101-1提取网站中具体注册用户对某一项目(或产品)阅读、购买或使用后，对该项目(或产品)实际的评价反馈得分数据，将数据映射到用户评分矩阵中；

101-2对于用户未实际反馈评分数据的项目(或产品)，分析和挖掘网站日志文件中，用户对该项目的搜索频率、浏览时间等预测用户评分数据。

3.根据权利要求1所述的方法，其特征在于，步骤102中，所述关联规则挖掘主要为挖掘用户特征与项目特征之间的关联规则，在所述步骤103中对于步骤102的关联规则，通过用户特征到项目特征的支持度和置信度，来计算用户特征对项目特征的偏好表示，进而构造用户评分偏好矩阵，不同属性值的用户对不同类型的项目具有不同的偏好值。

4.根据权利要求1或3所述的方法，其特征在于，所述104根据步骤103构造的用户评分偏好矩阵，对稀疏的用户评分矩阵进行预测，通过用户共同评分的项目的数量，从根本上解决稀疏矩阵的问题。

5.根据权利要求1所述的方法，其特征在于，所述105包括采用改进传统相似度度量的方法，计算用户u_i与用户u_j之间的相似性，并且通过用户相似性方法获得目标用户的一组最近邻用户BNS，最终通过BNS获得用户u_i对项目t_k的推荐评分。

6.根据权利要求1所述的方法，其特征在于，所述106包括准备数掘集；采用平均绝对偏差MAE作为评价标准；不同的最近邻集合数量下进行试验比较不同算法的性能；分析试验结果。