[发明专利]基于余弦相似度协同过滤的混合推荐方法

权利要求书

1.基于余弦相似度协同过滤的混合推荐方法，其特征在于，包括如下：

(1)数据收集：

1a)采集用户行为数据，包括：点击、点赞和转发；

1b)以软件，编程方法，采集用户的附加信息，包括：用户的位置、局域网、统一资源定位符URL和IP地址这些信息；

1c)从外网中收集相应的文档，包括新闻和文章，对这些文档进行分类并同时进行编号，即对新闻按照社会，体育，政治，科学分类并同时进行编号；对文章按照所属学科，类目进行分类并同时进行编号；

1d)将1a)，1b)的数据存入Mysql数据库，将1c)中的数据存入Elasticsearch数据库中；

(2)对数据进行处理：

2a)将1a)中的历史行为数据进行数字化；

2b)根据1b)中的附加信息，提取出在相同位置，局域网和IP网段下大家都感兴趣的文档；

2c)对1c)每一篇文档，找出与之最相似的几篇文档，构建每篇文档与之最相似几篇文档字典；

2d)将2a)和2b)的结果存入Mysql数据库，将2c)结果数据存入Elasticsearch数据库；

(3)构建用户文档评分矩阵：

3a)将2a)数据集中的80％作为训练集，其余20％作为测试集；

3b)在训练集中，利用最相似关联公式，插入2c)字典中用户已经互动文档最相似的几篇文档，若每个用户互动过的文档有相同的最相似文档，则取相同文档最高的插入值；

所述中的最相似关联公式，表示如下：

其中q_j表示与第i个文档中第j个文档的相似值，k为最相似文档的个数，k＝3，CV_ui表示用户u对于第i个文档的评分，IV_ui(j)表示用户u已经互动过的第i个文档，在第j个文档处要插入的值；

3c)依据2b)中相同位置，局域网和IP网段下大家都感兴趣的文档，在训练集中继续插入这个群体都感兴趣的文档；

3d)由3c)中得到的训练集，建立用户文档评分矩阵；

3e)依据用户阅读文档的频繁程度，为每个用户设置周期阈值；

(4)对由3c)得到的训练集进行训练，形成文档推荐列表：

4a)对3d)中的矩阵进行奇异值分解，然后进行拟合训练，得到奇异值分解模型；

4b)使用3a)的测试集对奇异值分解模型进行验证，使用均方误差RMSE，评估该模型的性能；

4c)重复4a)和4b)，根据不同参数组合，依据均方误差RMSE大小，取最佳参数组合，得到最佳参数组合的模型，其中，参数组合包括特征因子和梯度下降算法SGD的迭代次数；

4d)用最佳参数组合的模型形成文档推荐列表，将列表中文档推荐给用户；

4e)当用户阅读文档的数量达到设置阈值时，返回2a)。

2.根据权利要求1所述的方法，其特征在于1b)中以软件，编程方法，采集用户的附加信息，是指分别用软件方法和编程方法获取用户的不同信息，其中：

软件方法是指，使用wireshark，tcpdump，Fiddler软件来获取用户的位置，局域网，URL，IP和网段相关信息；

编程方法是指，使用C语言中winpcap库进行编程，以及python语言中的scapy库进行编程，通过对包头的解析处理，获得用户的位置，局域网，URL，IP和网段相关信息。

3.根据权利要求1所述的方法，其特征在于，2a)中对历史行为数据进行数字化，是根据用户行为的重要性打分，即点击打1分，点赞打2分，转发打3分。

4.根据权利要求1所述的方法，其特征在于，2b)中提取出在相同位置，局域网和IP网段下大家都感兴趣的文档，是选定这个群体阅读过的文档，按照文档点击的数量降序排列，取前N个文档,N2。