[发明专利]一种基于模拟退火算法的用户推荐方法及装置

说明书

本申请公开的一种基于模拟退火算法的用户推荐方法，获取用户评分矩阵，所述用户评分矩阵表示每个预设用户对每个预设项目的评分；设定聚类数量、模拟退火算法的优化目标和模拟退火算法的参数，基于模拟退火算法对所述用户评分矩阵进行处理，得到多个聚类，每个聚类中包括多个预设用户；根据预设相似性度量方法在目标用户所在聚类中的多个预设用户中提取所述目标用户的多个相似用户，根据每个相似用户对每个预设项目的评分预测所述目标用户的偏好项目，并为所述目标用户推荐所述偏好项目。对协同过滤推荐算法进行改进，提高了推荐的实时性。

技术领域

本发明涉及个性化推荐技术领域，更具体的，涉及一种基于模拟退火算法的用户推荐方法及装置。

背景技术

随着我国电子商务的蓬勃发展，对个性化推荐技术的需求急剧增加。虽然推荐系统在我国的电子商务领域开始得到了应用，但是其应用范围还是比较狭窄，应用层次也比较浅。个性化推荐和自动推荐方面还处在初级阶段。在协同过滤方面，我国的相关研究较少，高质量的推荐系统很少。

在传统研究中，常见的推荐算法是协同过滤算法，其推荐算法计算的核心数据是用户评分矩阵。随着电子商务规模的扩大，产品信息的增多，协同过滤推荐算法需要对海量数据进行处理，导致推荐的实时性受到了巨大的挑战。

发明内容

有鉴于此，本发明提供了一种基于模拟退火算法的用户推荐方法及装置，根据用户对项目评分的相似性对用户进行聚类，在聚类的基础上计算目标用户的相似用户，大幅度降低了数据处理量，提高了推荐的实时性。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种基于模拟退火算法的用户推荐方法，包括：

获取用户评分矩阵，所述用户评分矩阵表示每个预设用户对每个预设项目的评分；

设定聚类数量、模拟退火算法的优化目标和模拟退火算法的参数，基于模拟退火算法对所述用户评分矩阵进行处理，得到多个聚类集合，每个聚类集合中包括多个预设用户；

根据预设相似性度量方法在目标用户所在聚类集合中的多个预设用户中提取所述目标用户的多个相似用户，根据每个相似用户对每个预设项目的评分预测所述目标用户的偏好项目，并为所述目标用户推荐所述偏好项目。

可选的，所述设定聚类数量、模拟退火算法的优化目标，包括：

设定聚类数量，利用模拟退火算法生成设定数量的聚类中心，聚类中心为多维向量；

将所述用户评分矩阵转化为设定数量的用户矢量集合，每个用户矢量集合中包括多个用户矢量，每个聚类中心对应一个用户矢量集合，每个用户矢量表示预设用户对每个预设项目的评分；

将使每个聚类中心与相应用户矢量集合中每个用户矢量的相似度的和值最大设定为模拟退火算法的优化目标。

可选的，所述基于模拟退火算法对所述用户评分矩阵进行处理，得到多个聚类集合，包括：

根据模拟退火算法的优化目标、以及每个预设用户与每个聚类中心之间的相似度对预设用户进行不断聚类，并根据聚类结果不断调整聚类中心，使每次聚类中每个聚类集合中的聚类对象与聚类中心的相似度最大，直到每个聚类中心不再变化，得到设定数量的聚类集合，每个聚类集合中包括多个预设用户。

可选的，所述根据预设相似性度量方法在目标用户所在聚类集合中的多个预设用户中提取所述目标用户的多个相似用户，包括：

分别计算所述目标用户与所在聚类集合中每个预设用户的相似度；

将与所述目标用户的相似度大于相似度阈值的预设用户确定为所述目标用户的相似用户；