[发明专利]基于用户兴趣和评分偏好差异自适应结合的协同过滤推荐算法

权利要求书

1.基于用户兴趣和评分偏好差异自适应结合的协同过滤推荐算法，其特征在于：包括以下步骤：

步骤一：用户相似度的计算；

步骤二：用户评分偏好差异的建模；

步骤三：用户相似度和用户评分偏好差异的自适应结合；

步骤四：目标用户的评分预测并给予推荐。

2.根据权利要求1所述的基于用户兴趣和评分偏好差异自适应结合的协同过滤推荐算法，其特征在于：所述步骤一的用户相似度计算通过结合用户、项目平均评分及时间因素优化相似度测量模型，如下公式(1)所示：

其中ω_u、ω_i分别为用户、项目时间因子，计算方法如下公式(2)、公式(3)所示：

其中，分别为用户最后一次和第一次提供评分的时间，分别为最后一次和第一次对项目进行评分的时间。

3.根据权利要求1所述的基于用户兴趣和评分偏好差异自适应结合的协同过滤推荐算法，其特征在于：所述步骤二通过更能够体现出组内变化差异的变异系数来对用户评分行为偏好差异进行建模，降低了变量个体的数值差异对变量间相似度的影响，用户评分的变易系数计算公式如下公式(4)所示：

其中，Var_a为用户a的评分方差，计算公式为下公式(5)所示：

其中，|I_a|表示被用户a评分过的项目数量，

使用用户变异系数建模的用户评分行为偏好即如下公式(6)所示：

在公式(6)中，分别代表着用户a和用户b的平均评分，CV_a、CV_b分别代表着用户a和用户b评分的变异系数。

4.根据权利要求1所述的基于用户兴趣和评分偏好差异自适应结合的协同过滤推荐算法，其特征在于：所述步骤三采用将用户相似度和用户评分偏好差异自适应结合得到的加权相似度来作为用户a与目标用户b的相似度，(权值采用α和(1-α))，最终命名为ITPCR，并以此来预测用户b的评分，计算公式如下公式(7)所示：

sim_ITPCR＝αsim_ITPCC+(1-α)RPB_usingCV (7)

其中，α与(1-α)也保证了ITPCR相似度度量方法考虑了用户评分行为偏好差异，并对每个用户的高评分效应和低评分效应进行了归一化，由于sim_ITPCC与RPB_(a,b)usingCV的取值区间影响，以上两值皆取正数。

5.根据权利要求1所述的基于用户兴趣和评分偏好差异自适应结合的协同过滤推荐算法，其特征在于：所述步骤四通过计算其他用户与目标用户a的ITPCR相似度并按照从高到低的顺序排列得到用户a的最近邻用户集NN，最后的评分预测由公式(8)求得，

其中，b代表a的最近邻用户级集中的用户；

根据最终评分，选取排名前N的项目推荐给用户。