[发明专利]一种基于改进协同过滤算法的服务推荐模型

权利要求书

1.一种基于改进的协同过滤推荐算法的服务推荐模型。其特征在于：主要包括基于用户的协同过滤进行服务推荐、引入巴氏系数及Jaccard系数进而提高推荐服务准确率两部分。通过发现用户最近邻，根据用户的兴趣，挖掘数据，并通过数学函数对目标计算，再通过评分矩阵，依据矩阵产生分数罗列推荐列表，在此基础上，本技术基于传统协同过滤算法进行改进，并融合巴氏系数和Jaccard系数，从而进行精准服务推荐。本发明形成一种新的User-Based Mode l，并提高传统协同过滤算法的精确度。

2.根据权利要求1所述一种基于改进的协同过滤推荐算法的服务推荐模型，其特征在于：基于用户协同过滤与K-means聚类向目标用户推送服务如下：

S21：计算目标用户与其他用户相似度，找到与目标用户兴趣相似的用户。

S22：选择最近邻，为获得服务评分奠基。

S23：根据最近邻的评分加权值得到目标用户对推荐服务的评分。

3.根据权利要求1所述一种基于改进的协同过滤推荐算法的服务推荐模型，其特征在于：引入巴氏系数和Jaccard系数：

S31：基于Patra提出的巴氏系数相似度测试相似度的方法定义。

S32：计算推荐服务间相似性公式。

S33：基于Jaccard推荐服务相似性度量公式。

S34：改进的基于Jaccard推荐服务相似性度量公式。

S35：融合了改进的巴氏系数和Jaccard系数的推荐服务相似度公式。该融合公式摆脱了传统协同过滤算法在计算用户相似性时共同评分限制，解决了评分数据不足时的商品推荐准确率。