[发明专利]一种改良Widrow-Hoff网络的用户偏好协同推荐方法

摘要

本发明公开了一种改良Widrow‑Hoff网络的用户偏好协同推荐方法。本发明分别给全局相似度和局部相似度添加了权重参数，通过输入数据集的评分数据，利用Widrow‑Hoff网络对权重进行训练和更新，从而得到更准确的最终相似度，根据数据集的不同得到不同的权重，从而平衡全局相似度和局部相似度对推荐结果的影响。利用巴氏系数计算用户之间评价项目的评分分布规律，不依赖共同评分，即使在缺乏共同评分的数据集下，也可以通过局部相似度弥补全局相似度的不足，克服了已有方法可能出现的全局相似度的作用会被放大，局部相似度被弱化的问题，为用户提供准确性更高的推荐结果。

主权项

1.一种改良Widrow‑Hoff网络的用户偏好协同推荐方法，其特征在于，所述方法包括：输入数据集，从数据集中得到“用户‑评分”矩阵；“用户‑评分”矩阵中每两个用户作为一组，分别求出每组用户的局部相似度、全局相似度以及总相似度，得到相似度矩阵；根据Widrow‑Hoff网络，以相似度矩阵中每一个相似度作为输入，对权重进行更新，直至收敛或者所有输入都迭代了一遍，得到最终权重；根据最终权重重新计算每组用户的相似度，得到最终相似度矩阵；将目标用户与其他所有用户之间的最终相似度递减排序，选择最终相似度排序中前k个用户作为目标用户u的最近邻居，得到最近邻居集合；根据“用户‑评分”矩阵以及最近邻居集合，由k个最近邻居用户对某一未知项目的评分，通过加权平均求和得到目标用户对该项目的预测评分。