The invention is applicable to the field of computer technology, and provides a collaborative recommendation method, device and terminal device. Among them, the method includes: acquiring a predetermined number of project data sets, which include user's scoring information of the items in the project data sets; searching iteratively according to the crow search algorithm based on the project data sets information to find the location of the cluster center of the optimal fuzzy C_means clustering; clustering the optimal fuzzy C_means clustering. The location of the center is the location of the initial cluster center. Based on the optimized location of the initial cluster center, the similarity between users is calculated according to the fuzzy C_means clustering method. According to the similarity, the users are classified to construct the recommendation model. Based on the recommendation model, the items that the target user has not scored are predicted, and the prediction is obtained by similarity measurement. The first N items are recommended to the target users based on the ranking information of the predicted scores.
【技术实现步骤摘要】
协同推荐的方法、装置及终端设备
本专利技术属于计算机
，尤其涉及一种协同推荐的方法、装置及终端设备。
技术介绍
随着信息技术的更新、互联网技术和云计算的快速发展，数据量也呈指数级增长。这些数据在为人类提供丰富信息的同时，也产生了信息过载的问题，人们难以在海量的数据信息中找出自身感兴趣或有用的信息，搜索引擎也不能完全满足需求，有时需求不明确，针对这一问题，推荐系统应运而生，它在信息过滤、信息分类细化以及为用户提供个性化服务中起着至关重要的作用，通过对用户的行为习惯进行分析，并根据其变化实时更新，自动推荐给用户各种需求信息，能极大程度地提高用户体验度，为用户带来更为准确的信息，例如，推荐系统在各大电商平台应用非常的广泛。目前的推荐技术中，协同过滤是应用最广泛的技术之一。推荐算法主要包括基于内容过滤推荐算法和基于协同过滤推荐算法两类。其中，基于内容过滤推荐算法主要利用信息检索或信息过滤技术，根据推荐项目的内容信息和用户配置文件的相关性向目标用户推荐相关项目。基于协同过滤推荐算法又分为基于内容的过滤推荐方法和基于模型的过滤推荐方法：其中，基于内容过滤推荐算法往往不能够灵活结合多方面的有用信息进行准确推荐，而基于模型的过滤推荐方法依赖于显式或隐式的评分数据，然而当信息量较大时，用户不可能对所有项目都进行评分，从而存在稀疏问题和实时性问题，因此进行相似度度量时易产生较大误差，准确率不高。
技术实现思路
有鉴于此，本专利技术实施例提供了一种协同推荐的方法、装置及终端设备，以解决现有技术中协同推荐的方法存在准确率不高的问题。本专利技术实施例的第一方面提供了一种协同推荐的...
【技术保护点】
1.一种协同推荐的方法，其特征在于，包括：获取预定数量的项目数据集信息，所述项目数据集信息包括用户对所述项目数据集里面的项目的评分信息；基于所述项目数据集信息，根据乌鸦搜索算法进行迭代搜索，查找到最优模糊C‑means聚类的簇中心的位置；将所述最优模糊C‑means聚类的簇中心的位置作为初始簇中心的位置，基于优化后的所述初始簇中心的位置，根据模糊C‑means聚类方法计算用户之间的相似度，根据所述相似度对所述用户进行分类，以构建推荐模型；基于所述推荐模型，对目标用户未评分的项目进行预测，通过相似度度量得到预测评分，并基于所述预测评分的排序信息将前N个项目推荐给所述目标用户。
【技术特征摘要】
1.一种协同推荐的方法，其特征在于，包括：获取预定数量的项目数据集信息，所述项目数据集信息包括用户对所述项目数据集里面的项目的评分信息；基于所述项目数据集信息，根据乌鸦搜索算法进行迭代搜索，查找到最优模糊C-means聚类的簇中心的位置；将所述最优模糊C-means聚类的簇中心的位置作为初始簇中心的位置，基于优化后的所述初始簇中心的位置，根据模糊C-means聚类方法计算用户之间的相似度，根据所述相似度对所述用户进行分类，以构建推荐模型；基于所述推荐模型，对目标用户未评分的项目进行预测，通过相似度度量得到预测评分，并基于所述预测评分的排序信息将前N个项目推荐给所述目标用户。2.根据权利要求1所述的协同推荐的方法，其特征在于，基于所述项目数据集信息，根据乌鸦搜索算法进行迭代搜索，查找到最优模糊C-means聚类的簇中心的位置，包括：对乌鸦搜索算法进行初始化控制参数设置，所述初始化控制参数包括种群群体数量M、感知概率AP、飞行长度fl以及最大迭代次数Maxiter；其中，在乌鸦搜索算法中，假定N只乌鸦随机分布在n维搜索空间中，xi,t＝[x1i,t,x2i,t,…,xni,t](i＝1,2,…,N；t＝1,2,…,Maxiter)表示第i只乌鸦在第t次迭代时的位置，Mi,t表示乌鸦i在第t次迭代时隐藏食物的记忆值，即最优位置；APi,t表示乌鸦i在第t次迭代时的感知概率AP，fli,t表示乌鸦i在第t次迭代时的飞行长度；根据下式对乌鸦i的位置进行更新：其中，xi,t为乌鸦随机产生的位置，fli,t表示乌鸦i在第t代的飞行长度，xmax为x的最大值，xmin为x的最小值，rand为[0,1]区间随机生成数；APj,t表示乌鸦j在第t次迭代时的感知概率，ri和rj是[0,1]区间均匀分布的随机数值；当乌鸦i的位置发生改变时，根据下式更新乌鸦记忆值：其中，Mi,t表示乌鸦记忆值，f(Mi,t)表示适应度值；当达到最大迭代次数Maxiter时，将乌鸦的Mi(i＝1,2,…,N)中的位置作为最优解，返回值作为最优模糊C-means聚类的簇中心的位置。3.根据权利要求1所述的协同推荐的方法，其特征在于，将所述最优模糊C-means聚类的簇中心的位置作为初始簇中心的位置，基于优化后的所述初始簇中心的位置，根据模糊C-means聚类方法计算用户之间的相似度，根据所述相似度对所述用户进行分类，以构建推荐模型，包括：根据下式分别设定n个用户对m个项目的评价结果：其中，xik表示用户i对项目k的评价分数；根据用户对各项目的评分对用户进行聚类处理，将所述用户分成C个簇，其中，聚类结果表示为矩阵U，表达式如下：其中uik表示用户i对簇k的隶属度；目标函数的表达式如下：其中，uik表示用户i在簇k中的隶属度，dik表示用户i和簇k中心点的欧氏距离，c表示簇k的中心点，m表示聚类结果模糊度权重参数值；选择簇中心，设初始簇中心为C(0)，第k次迭代的隶属度矩阵U(k)的计算公式如下：其中dij和drj表示簇中用户到各簇中心的欧式距离；根据下式计算欧式距离：根据下式计算第k次迭代的簇中心C(k+1)：其中，uij表示用户i在簇j中的隶属度；计算前后两次迭代的簇中心的距离，当差值小于给定阈值ε时，则停止迭代，返回得到的簇中心矩阵C和隶属度矩阵U为最优解，否则，继续迭代优化，直到迭代次数到达给定的最大迭代次数Iter，簇中心距离计算公式如下：|C(k-1)-C(k)||≤ε以最小化平均绝对误差MAE、精准率Precision和召回率Recall作为推荐系统适应度函数，表达式分别如下：其中，Ogh表示用户g对项目h的预期评分值，Sgh表示用户g对项目h的实际值，G表示评分项目总数；其中Int表示用户主动做出的实际评分，TopN表示为用户推荐的前N个项目；根据所述得到最优的隶属度矩阵U和簇中心矩阵C对用户进行分类；构建簇当ck＝{k|uik＝max(uij),1≤j≤c},xi∈ck存在时，将用户i分到簇k中。4.根据权利要求1所述的协同推荐的方法，其特征在于，基于所述推荐模型，对目标用户未评分的项目进行预测，通过相似度度量得到预测评分，并基于所述预测评分的排序信息将前N个项目推荐给所述目标用户，包括：获取所述目标用户对所有项目的评分，通过下式计算两用户之间的相似度：其中，sim(i,j)表示两用户之间的相似度，i和j分别表示用户i和用户j；Ri,c和Rj,c分别表示用户i和j对项目c的评分，和分别表示用户i和j对项目的评分平均值；基于所述推荐模型，对目标推荐用户未评分的项目进行预测，通过相似度度量，得到评分预测，并按降序排序，将前N个项目推荐给用户，预测评价的计算公式如下：其中，表示目标用户对评分项目的平均值，sim(u,l)表示两用户之间的相似度，Rl,j为邻居用户l对项目j的评分，是用户l对评价项目的评分平均值。5.一种协同推荐的装置，其特征在于，包括：数据获取模块，用于获取预...
【专利技术属性】
技术研发人员：马超，
申请(专利权)人：深圳信息职业技术学院，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。