基于邻近项目Slope One算法的用户改进推荐方法

摘要

本发明涉及用户—项目数据的分析领域，设计了一种近邻聚类算法和slopeone算法相结合的改进推荐方法。本方法结合k-means聚类和slopeone算法，首先使用k-means聚类方法为用户找到相似的个项目组成邻近项目集合，然后采用slopeone算法计算用户—项目调查数据表，最后预测数据并推荐给用户。本方法着重解决的问题是在预测用户受到项目调查可能性的过程中，考虑了数据项目之间的相似性，从而使算法预测的结果更加准确。将预测调查可能性的问题转换成一个项目推荐问题来解决，采用基于邻近项目的slopeone算法预测用户被调查的可能性，帮助用户提前做好相关的防范工作。

主权项

基于邻近项目slope one算法的改进推荐方法，其特征在于：先对原始数据进行数据处理，之后采用k‑means聚类算法筛选与目标项目邻近的k个相似项目,再用slope one算法为当前活跃用户的目标项目预测评分,最后根据用户—项目评分矩阵向用户推荐项目；该方法具体步骤如下：1)结合数据集中的评分数据，采用k‑means聚类算法计算项目间的相似度的矩阵，构建项目相似性矩阵；2)根据用户u评价过的项目i，选择与用户u评价过的项目i最为相似的k个项目组成k邻近项目集合K′；3)使用公式(1)计算目标项目Item_j与k邻近项目集合K′中项目Item_i之间的评分偏差dev_j,i，其中，u_j和u_i分别表示评价过项目Item_j的用户和项目Item_i的用户；S_j,i(x)为对目标项目Item_j与其他项目Item_i进行过评分的用户集合；card(S)表示集合S中的元素个数；${\mathrm{dev}}_{j,i}=\underset{u\in S_{j,i}\left(x\right)}{\Sigma }\frac{u_j-u_i}{card\left(S_{j,i}\left(x\right)\right)}---\left(1\right)$4)根据公式(2)计算用户u对目标项目Item_j的预测评分P(u)_j，并最终得到用户—项目评分矩阵R′m×n，其中，R_j为用户u已评分项目的集合；$P{\left(u\right)}_j=\frac{\underset{i\in R_j}{\Sigma }({\mathrm{dev}}_{j,i}+u_i)}{card\left(R_j\right)}---\left(2\right)$5)根据步骤4)得到的用户—项目评分矩阵R′m×n，为用户u推荐出评分最大的r个预测项目。