[发明专利]一种基于社区发现的协同过滤方法

说明书

技术领域

本发明属于通信技术领域，涉及一种基于社区发现的协同过滤方法。

背景技术

目前，在现实生活中，人们每天所接收的信息量越来越大，人们在享受信息便捷的同时也慢慢的被各种不需要的信息所围绕。信息的繁杂使得人们没有办法在较短的时间内找到自己需要的信息，个性化的推荐服务由此而产生。个性化的推荐服务不但免去了用户在大量商品中寻找心仪商品的烦恼，也给用户带来了更好地购物体验。

除了协同过滤推荐算法之外，还有一些基于协同过滤的算法也可以取得比较好的划分效果，例如，施荣杰、王守军等人提出的基于物品分类和用户分类的协同过滤推荐方法；李莉、魏宝军等人提出的基于区域特征的协同过滤推荐方法；罗辛、欧阳元新等人提出的一种通过聚合对协同过滤推荐系统进行优化的方法等等。除此之外，杨博、雷余等人提出的基于信任的社会化协同过滤推荐方法；樊博、宿红毅等人提出的一种基于扩展特征向量的个性化协同过滤推荐方法等对协同过滤算法的不足以及改进点都做了很好的阐述，但是关于协同过滤算法的研究仍存在着一些缺点。

基于上述的一些协同过滤相关算法，虽然解决了推荐过滤算法中存在一些问题，但是在最近邻候选集选取以及用户相似度计算等方面，还是存在着一些不足，本发明提出了一种基于社区发现的协同过滤算法，旨在更好的提高推荐算法的推荐准确度，本发明在实际经典MovieLens测试数据集中进行测试时，算法性能稳定高效、准确度高，将算法用于后续的协同过滤推荐中具有非常重要的意义以及广阔的应用前景。

发明内容

有鉴于此，本发明的目的在于提供一种基于社区发现的协同过滤方法，该方法通过计算用户与用户之间的相似度，将用户—项目网络转换为用户—用户网络，然后将社区发现算法适用于用户—用户网络得到相应的社区结构。根据得到的社区结构进行缺失评分的预测填充以及最近邻候选集的选取，最后预测用户对项目的评分。

为达到上述目的，本发明提供如下技术方案：

一种基于社区发现的协同过滤方法，包括以下步骤：1)将用户—项目网络转换为邻接矩阵形式，如果用户对项目评分，那么对应于矩阵的相应元素就存在值，即评分数据；2)构造用户—用户矩阵，用户—用户矩阵中的元素为用户与用户的相似度，相似度的计算方法采用新型的基于Pearson的相似度计算方法；3)基于用户—用户矩阵通过社区发现方法发现社区结构，并对用户—项目矩阵中的部分缺失评分进行预测填充；4)计算目标用户与社区之间以及用户与用户之间的相似度关系构造最近邻候选集，并完成推荐。

进一步，在步骤2)中，利用用户—项目网络构造用户—用户网络，用户—用户网络所对应的用户—用户邻接矩阵中的元素为用户之间的相似度，将新的相似度计算公式命名为Pearsimilarity，其具体的计算方法如下：