基于邻域的top-k推荐方法

摘要

本发明属于计算机技术领域，涉及由计算机完成的个性化推荐技术，公开了三种基于邻域的推荐方法。该方法通过对用户的兴趣爱好的建模来分析用户的属性，然后帮助目标用户找到与其相似的用户群，进而对用户推荐可能会感兴趣的对象。这种方法在推荐对象时不仅仅考虑观测到的打分、购买信息等行为数据，同时也考虑到那些缺失的打分信息，即隐性反馈信息。同时，本发明的方法还充分利用了社交网络中用户的兴趣爱好相似性来建模用户兴趣，并考虑到了隐性反馈对结果的改进，有效的提高了推荐的精度。

主权项

一种基于邻域的top‑k推荐方法，其特征在于，包括如下步骤：步骤一，响应客户端的请求，建立用户‑对像关系矩阵；从服务器中获取包含目标用户在内的一组用户作为用户集合，再获取一组推荐对象作为对象集合；从服务器中读取上述用户集合中各用户分别针对对象集合中各推荐对象产生的行为数据；当任一用户对任一推荐对像未产生行为数据时，均以一预设值作为假定的行为数据；根据获取的上述行为数据值和假定的行为数据值，建立一个用户‑对像关系矩阵；步骤二，分解用户‑对像关系矩阵；通过迭代的方法对步骤一所建立的用户‑对像关系矩阵进行降维处理，获得分别对应各用户的一组用户特性向量；所述用户特性向量中每个数值表示该用户对相应的对象的潜因子特性的关联程度；步骤三，计算目标用户到其他用户的相似度；逐一计算步骤二获得的目标用户的用户特性向量到其他用户的用户特性向量的相似度，并将结果作为目标用户到其他用户的相似度；步骤四，建立推荐用户群；选取与目标用户相似度大于预设阀值的用户，或与目标用户相似度最高的k1个用户，组成推荐用户群；步骤五，获取与步骤四所述的推荐用户群中的用户具有行为关联的推荐对象，组成一候选对象集合；步骤六，对候选对象集合中的每个推荐对象，计算推荐用户群中与该推荐对象具有行为关联的用户针对该对像产生的行为数据的加权平均值，对应各用户的权重为与该用户对应的步骤三中所述的相似度值；步骤七，按由大到小顺序，排列步骤六所获得的对应各推荐对象的加权平均值，并过滤掉和目标用户已有历史行为的对象；步骤八，将数值最大的前k个加权平均值对应的推荐对象返回给客户端。