一种基于典型用户群组发现技术的信息推荐方法

摘要

本发明涉及一种基于典型用户群组发现技术的信息推荐方法，与现有技术相比解决了推荐方法运算量大、无法充分反映用户兴趣的缺陷。本发明包括如下步骤：发现典型用户群组TUG，针对用户集合和项目集合计算出典型用户群组；计算推荐结果R’，基于典型用户群组TUG，将协同过滤推荐方法的最近邻搜索范围从全体用户缩小到典型用户群组中，计算出推荐结果R’。本发明的典型用户群组具有较好的代表性，能够获得更好的推荐效果。

主权项

一种基于典型用户群组发现技术的信息推荐方法，其特征在于，包括以下步骤：11)发现典型用户群组TUG，针对用户集合和项目集合计算出典型用户群组；其具体步骤如下：110)定义用户集合U＝{u_i},0≤i<|U|；定义项目集合P＝{p_j},0≤j<|P|；111)使用评分矩阵R定义用户和项目之间的互动信息，R＝{r_ij}_|U|×|P|,r_ij≥0，其中r_ij＝0代表用户u_i和项目p_j没有互动，并将在R中从未出现的用户或项目从U和P中删除；112)针对用户集合U定义空用户子集U’，定义候选用户U_c，定义候选用户子集U_c中的用户数为k，U’的项目覆盖集P_U’定义为$P_{U^{\prime }}=\left\{p_k\right\},\exists r_{\mathrm{ik}}\ne 0,u_i\in U^{\prime };$113)计算U’的项目覆盖率，P的子集P_U’在P中所占的比例，$\mathrm{Cov}\left(U^{\prime }\right)=\frac{\left|P_{U^{\prime }}\right|}{\left|P\right|}\times 100\%;$114)定义子集U₁加入到子集U’的递增项目覆盖率ICov_U’(U₁)，ICov_U'(U₁)＝Cov(U₁∪U')‑Cov(U')；115)令U₁＝{u}，当每次选择一个用户u加入U’，则${\mathrm{ICov}}_{U^{\prime }}\left(u\right)=\frac{\left|P_{u\cup U^{\prime }}\right|-\left|P_{U^{\prime }}\right|}{\left|P\right|}\times 100\%$将P_u和P_U’中相同的项目会互相抵消，则${\mathrm{ICov}}_{U^{,}}\left(u\right)=\frac{\underset{p_j\in P}{\Sigma }f(p_j\in P_u,p_j\notin P_{U^{,}})}{\left|P\right|},$其中116)定义加权的递增项目覆盖率，${\mathrm{ICov}}_{U^{,}}\left(u\right)=\frac{\underset{p_j\in P}{\Sigma }{w}_j\times f(p_j\in P_u,p_j\notin P_{U^{,}})}{\left|P\right|},$其中权重w_j定义为其中S_j表示项目P_j一共被S_j个用户选择过；117)进行1至k次循环，在循环过程中分别计算U_c中所有用户的加权递增项目覆盖率；计算maxCov(TUG)，选出最大加权递增项目覆盖率的用户u；将u添加到U’中，从U_c中删去u；118)循环结束后，U’为所求的典型用户群组TUG；12)计算推荐结果R’，基于典型用户群组TUG，将协同过滤推荐方法的最近邻搜索范围从全体用户缩小到典型用户群组中，计算出推荐结果R’。