[发明专利]一种针对科技情报的个性化推荐方法

摘要

本发明公开一种针对科技情报的个性化推荐方法，所述方法包括以下步骤：(1)利用采集器等工具对系统中使用者、科技情报相关的数据进行采集(2)对采集的数据进行特征处理(3)对特征处理过的数据进行特征计算(4)对数据进行降维处理(5)对降维过后的数据进行聚类(6)同类别里计算使用者之间的相似性(7)对使用者进行个性化推荐。通过对使用者年龄以及动态时间的建模，从而快速有效对使用者进行个性化的推荐。

主权项

1.一种针对科技情报的个性化推荐方法，其特征在于，包括以下步骤：(1)获取科技情报系统中使用者的信息以及科技情报的信息，具体包括使用者在科技情报系统中的编号Uid、年龄Age、使用者对科技情报的评分R、使用者对科技情报的评价时间Date、科技情报的编号Kid；(2)对采集的信息进行特征处理，具体为：对科技情报系统中使用者的年龄Age进行归类，具体归类方法为①18岁及以下对应为类别1,对应权重为w1。②19‑35岁对应为类别2,对应权重为w2。③36‑50岁对应为类别3,对应权重为w3。④51岁及以上对应为类别4,对应权重为w4；然后对年龄进行加权处理，使不同类别的年龄乘上对应的权重，得到加权年龄Age'；评价天数Day为使用者对科技情报的评价天数，计算方式为Day＝当前日期‑Date；对评价天数Day做加权处理，使权重乘以评价天数，得到加权评价天数Day'；(3)对特征处理过的信息进行特征计算，具体为根据加权年龄Age'以及加权评价天数Day'，对使用者给科技情报的评分R进行重新评分，评分方式为Ratings＝R/(Age'+Data')，Ratings为使用者对科技情报计算所得评分；(4)对信息进行降维处理，具体为根据使用者对科技情报的最新评分Ratings，得到使用者对科技情报的评分矩阵Rm×n，然后使用奇异值分解对评分矩阵进行降维，通过奇异值分解，得到两个正交矩阵以及一个对角矩阵，通过选取奇异值的数量来达到降维的维度，得到稠密矩阵R'm×n；(5)对稠密矩阵R'm×n中的使用者进行聚类，聚类的方法为K‑means，使类别相同的使用者到同一集合中；随机选择k个使用者向量作为初始质心，将每个使用者向量指派到最近的质心，形成k个簇，重新计算每个簇的质心，直到簇不发生变化或达到最大迭代次数，得到k个不同的用户集合；(6)计算使用者之间的相似性，具体为在k个不同的用户集合中分别使用皮尔逊相似性计算使用者之间的相似性，得到使用者之间的相似性sim(Ua,Ub)，其中Ua、Ub分别为使用者a、b；(7)对使用者进行个性化推荐，具体为，根据使用者之间的相似性，把最相似的前N个使用者确定为邻居，然后计算目标使用者对未评价的科技情报的评分P_a,k，计算方式为其中分别为用户a与用户b对科技情报评价的平均值，R_b,k为使用者b对科技情报k的评分，通过评分P_a,k的高低对使用者进行个性化推荐。