[发明专利]一种协同过滤推荐方法和系统

说明书

本发明公开了一种协同过滤推荐方法和系统，根据项目评分的相似度与项目标签的相似度进行融合，设计出了新的项目相似性度量方法，可以提高对用户进行项目推荐的准确率。解决了现有协同过滤推荐方式推荐的结果准确率不够高，无法根据评分查找与新用户的兴趣偏好相似的信息并进行推荐，容易因数据稀疏性问题导致用户体验性降低的技术问题。

技术领域

本发明涉及数据挖掘推荐技术领域，尤其涉及一种协同过滤推荐方法和系统。

背景技术

随着大数据的发展，网络上的内容越来越丰富，人们在网络上不断地对自己所需要的信息进行查找，而在茫茫的信息大海中，要准确找到自己需要的信息是一件比较困难的事，需要耗费比较多的时间和精力。

推荐系统是一种特殊形式的信息过滤系统，推荐系统通过分析用户的历史兴趣和偏好信息，可以在项目空间中确定用户现在和将来可能会喜欢的项目，进而主动向用户提供相应的项目推荐服务。不同于一般信息检索服务由用户发起信息检索过程，推荐系统可以主动向用户提供关于信息资源的推荐建议。信息检索服务在与用户的交互过程中，一般对用户的历史兴趣并不进行表示、分析和利用，而推荐系统在用户的交互过程中会主动记录用户的历史兴趣信息，对用户的信息需求进行建模，形成关于用户兴趣和偏好的知识模型，并依据该模型实现最终的信息推荐服务。

目前，使用最多的推荐方法是协同过滤推荐方法，协同过滤推荐又分为基于标签的推荐和基于项目的推荐。基于项目的协同过滤推荐其核心思想是给用户推荐那些和他们之前喜欢的物品相似的物品，但是基于项目的协同过滤推荐并不利用物品的内容属性计算物品的相似度，它主要通过分析用户的行为记录计算物品的相似度。传统的基于项目的协同过滤推荐只是单一的考虑了用户评价的反馈信息，即项目评分的相似度，已知的评分记录是很少的，推荐效果并不是很好。基于标签的协同过滤推荐，标签是描述对象属性的信息，它体现了物品的一些属性和用户对项目的一些看法，是反映用户数据的重要信息源。通过标签计算项目的相似度，可以更好的体现物品的关联度和相似度。传统的基于标签的协同过滤推荐，在计算项目标签相似度的时候，只是单一地考虑了项目标签的相似度，没有从用户的历史数据和记录入手，推荐出来的效果也不明显。

无论是基于项目的协同过滤推荐还是基于标签的协同过滤推荐，推荐的结果准确率都不够高，且依赖于评分信息的协同过滤推荐方法，无法根据评分信息查找与新用户的兴趣偏好相似的信息并进行推荐，容易因数据稀疏性问题导致用户体验性降低。

发明内容

本发明实施例提供了一种协同过滤推荐方法和系统，用于解决现有的协同过滤推荐方式推荐的结果准确率不够高，无法根据评分查找与新用户的兴趣偏好相似的信息并进行推荐，容易因数据稀疏性问题导致用户体验性降低的技术问题。

本发明提供的一种协同过滤推荐方法，包括：

S1：根据获取的所有预置项目和所述预置项目的用户评分数据，构建项目评分矩阵；

S2：根据所述项目评分矩阵计算单个用户对每两个所述预置项目的评分差，通过第一Sigmoid函数得到第一相似度，并计算所述单个用户对单个所述预置项目的评分与评分范围的评分中值之差，通过第二Sigmoid函数得到第二相似度，并计算所述单个用户对每两个所述预置项目的评分与单个用户对所有所述预置项目的评分平均值之差，通过第三Sigmoid函数得到第三相似度；

S3：根据所述第一相似度、所述第二相似度和所述第三相似度进行乘积计算，得到每两个所述预置项目的第一项目评分相似度；

S4：通过惩罚函数惩罚每两个所述预置项目的活跃用户，计算每两个所述预置项目的活跃用户个数占每两个所述预置项目的所有评分用户个数的比重，得到每两个所述预置项目的第二项目评分相似度；

S5：对所述第一项目评分相似度和所述第二项目评分相似度进行乘积计算，得到第三项目评分相似度；