[发明专利]一种基于共享近邻聚类的协同过滤方法

摘要

本发明公开了一种基于共享近邻聚类的协同过滤方法，首先根据用户的评分记录，对用户进行聚类，将偏好相近的用户凝聚到同一个簇中；然后将目标用户与各个簇的代表进行相似度计算，选出相似簇构成搜索空间再搜寻最近邻居；最后根据最近邻居来对目标用户进行评分预测并生成推荐列表。本发明中聚类技术可以将大量的数据点组合成具有相似属性的簇，能够发现规模较大的数据集潜在的模式和结构。将聚类技术用于协同过滤算法，能够将相似的用户聚集在簇中，仅需要查找几个相似簇就能获取大部分相似用户，使搜寻最近邻居的时间大大缩短，提高方法的实时性。

主权项

一种基于共享近邻聚类的协同过滤方法，其特征在于，具体按照以下步骤实施：步骤1、构建用户‑项目评分矩阵R；步骤2、计算用户的共享近邻相似度；步骤3、根据每个用户的共享近邻密度进行聚类，形成用户簇C＝{C₁,C₂,…,C_n}，并计算出用户簇代表点集合CP＝{cp₁,cp₂,…,cp_n}；其中，cp_i是用户簇C_i的代表点，i＝1,2,...n；步骤4、计算目标用户u与用户簇C_i的代表点cp_i的相似度sim(u,cp_i)；步骤5、从步骤4得到的n个相似度中选出相似度较高的m个代表点，将m个代表点所在的用户簇组成相似簇集合SC＝{SC₁,SC₂,…,SC_m}，其中，m≤n；步骤6、对每个相似簇SC_i中的每个用户u_j，计算目标用户u与相似簇SC_i中用户u_j的相似度sim(u,u_j)；步骤7、取步骤6中相似度较高的N个用户作为目标用户u的最近邻用户，得到目标用户u的最近邻用户集合N＝{v₁,v₂,...,v_N}；步骤8、通过最近邻用户集合N计算目标用户u对项目p的预测评分值pred(u,p)；步骤9、取步骤8中得到的预测评分值中较高的k个项目，生成最终的推荐列表RecList＝{p₁,p₂,…,p_k}，即为对目标用户u的推荐列表。