[发明专利]协同推荐的方法、装置及终端设备

权利要求书

1.一种协同推荐的方法，其特征在于，包括：

获取预定数量的项目数据集信息，所述项目数据集信息包括用户对所述项目数据集里面的项目的评分信息；

基于所述项目数据集信息，根据乌鸦搜索算法进行迭代搜索，查找到最优模糊C-means聚类的簇中心的位置；对乌鸦搜索算法进行初始化控制参数设置，所述初始化控制参数包括种群群体数量M、感知概率AP、飞行长度fl以及最大迭代次数Maxiter；其中，在乌鸦搜索算法中，假定N只乌鸦随机分布在n维搜索空间中，x^i,t＝[x₁^i,t,x₂^i,t,…,x_n^i,t](i＝1,2,…,N；t＝1,2,…,Maxiter)表示第i只乌鸦在第t次迭代时的位置，M^i,t表示乌鸦i在第t次迭代时隐藏食物的记忆值，即最优位置；AP^i,t表示乌鸦i在第t次迭代时的感知概率AP，fl^i,t表示乌鸦i在第t次迭代时的飞行长度；

根据下式对乌鸦i的位置进行更新：

其中，x^i,t为乌鸦随机产生的位置，fl^i,t表示乌鸦i在第t代的飞行长度，x_max为x的最大值，x_min为x的最小值，rand为[0,1]区间随机生成数；AP^j,t表示乌鸦j在第t次迭代时的感知概率，r_i和r_j是[0,1]区间均匀分布的随机数值，m^j,t表示乌鸦j在第t次迭代时隐藏食物的记忆值；

当乌鸦i的位置发生改变时，根据下式更新乌鸦记忆值：

其中，M^i,t表示乌鸦记忆值，f(M^i,t)表示适应度值；

当达到最大迭代次数Maxiter时，将乌鸦的Mⁱ(i＝1,2,…,N)中的位置作为最优解，返回值作为最优模糊C-means聚类的簇中心的位置；

将所述最优模糊C-means聚类的簇中心的位置作为初始簇中心的位置，基于优化后的所述初始簇中心的位置，根据模糊C-means聚类方法计算用户之间的相似度，根据所述相似度对所述用户进行分类，以构建推荐模型；

基于所述推荐模型，对目标用户未评分的项目进行预测，通过相似度度量得到预测评分，并基于所述预测评分的排序信息将前N个项目推荐给所述目标用户。