基于用户的协同过滤组合推荐方法

摘要

本发明涉及计算机协同推荐方法，公开了一种基于用户的协同过滤组合推荐方法，包括以下具体步骤：评分矩阵建立步骤，建立用户-项目评分矩阵；相似度计算步骤，计算不同用户之间的相似度；模糊矩阵建立步骤，建立基于不同用户之间的相似度的模糊相似矩阵；关系簇构造步骤，构建基于无向图的最近邻居集合；预测步骤，对用户的未评分项目进行预测。本发明的优点在于，有效地解决了用户评价不完整所导致的推荐精度低的问题，计算方法简单，步骤少，复杂度小，计算精确度高，通过对用户未评分项进行预测，从而提高推荐的精度，具有较好的应用价值。

主权项

一种基于用户的协同过滤组合推荐方法，其特征在于，包括以下具体步骤：评分矩阵建立步骤(100)：建立m×n阶的用户‑项目评分矩阵，所述评分矩阵表示为A(m，n)，其中，m为用户数，n为项目数，第i行第j列的项R_ij表示用户i对项目j的评分；相似度计算步骤(200)：分别计算不同用户之间的相似度sim(i，j)；模糊矩阵建立步骤(300)：建立模糊相似矩阵M_m×m，所述模糊相似矩阵为对角线的项为1的对称矩阵，其余项为所述相似度sim(i，j)，且其余项的行、列分别与所述评分矩阵的行、列相对应；关系簇构造步骤(400)：建立对应于所述模糊相似矩阵M_m×m的无向图G(V，E)，其中，V表示项目集合，E由所述模糊相似矩阵M_m×m中M_ij≥λ的边组成，所述M_ij表示模糊相似矩阵M_m×m的项，λ表示聚类阈值；求得聚类阈值λ的模糊等价类，所述聚类阈值λ的模糊等价类为无向图G(V，E)在不同的聚类阈值λ上的连通分支的顶点集合；所述聚类阈值λ的模糊等价类为特定用户的最近邻居集合；预测步骤(500)：采用以下公式预测用户u对未评分项目i的评分其中，sim(u，v)表示用户u与用户v之间的相似性，R_v，i表示用户v对项目i的评分，分别表示用户u与用户v对项目i的评分，Neighbours(u)表示所述用户u的最近邻居集合。