一种对象推荐方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种对象推荐方法，该方法包括：获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合；将聚类用户集合和客观用户集合的交集作为相似客观用户集合；对相似客观用户集合进行相似度估分计算，获得目标用户对待推荐对象的预估分值；若预估分值大于推荐阈值，则将待推荐对象推荐给目标用户。相似客观用户集合中的用户，既与目标用户具有相似性，又排除了非客观评价的用户，因而计算出预估分值，既符合目标用户的个性化特征，又具有客观性。因此，将预估分值大于推荐阈值的待推荐目标用户，更符合目标用户的需求，即对象推荐更准确。本发明专利技术还公开了一种对象推荐装置、设备及可读存储介质，具有相应的技术效果。

【技术实现步骤摘要】
一种对象推荐方法、装置、设备及可读存储介质
本专利技术涉及计算机应用
，特别是涉及一种对象推荐方法、装置、设备及可读存储介质。
技术介绍
随着互联网信息量的飞速增长，互联网用户要想在海量的信息中寻找到自己所需要的信息越来越困难。为了帮助用户在成千上万的信息中准确找到符合自己需求和兴趣的信息，应运而生的推荐系统或方法的作用变得尤为重要。好的推荐系统或推荐方法需要满足不同用户的需求，即为不同用户寻找到准确且符合要求的信息。但是，由于网络数据规模的不断扩大，数据稀疏性以及用户、待推荐对象本身的种类也在增加，用户对对象的评论具有强烈的主观性和带有个人色彩，每个人的平等尺度和规则都各不相同。这些因素都影响对象推荐的准确率。综上所述，如何有效地解决对象推荐的准确率等问题，是目前本领域技术人员急需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种对象推荐方法、装置、设备及可读存储介质，以提高对象推荐准确率。为解决上述技术问题，本专利技术提供如下技术方案：一种对象推荐方法，包括：获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合；其中，所述客观用户集合包括对所述目标推荐对象进行客观评价的用户；将所述聚类用户集合和所述客观用户集合的交集作为相似客观用户集合；对所述相似客观用户集合进行相似度估分计算，获得所述目标用户对所述待推荐对象的预估分值；若所述预估分值大于推荐阈值，则将所述待推荐对象推荐给所述目标用户。优选地，在所述获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合之前，还包括：获取用户-对象-评分分值的三元样本集合其中(u，m，r)i表示第i个三元样本，l为三元样本个数，u表示用户，m表示对象，r表示评分分值。优选地，所述获取目标用户所属的聚类用户集合，包括：利用聚类算法将所述三元样本集合中的对象聚成K类，获得K个对象集合；其中K为大于1的正整数；利用所述三元样本集合确定出每一个所述对象集合对应的用户集合；将所述目标用户所属的用户集合确定为所述待推荐对象的聚类用户集合。优选地，在获得K个对象集合之后，在将所述目标用户所属的用户集合确定为所述待推荐对象的聚类用户集合之前，还包括：利用所述三元样本集合，计算用户的评分向量集合其中表示用户ui的评分向量，rij表示用户ui对对象mj的评分分值，rij＝0表示所述用户ui未对所述对象mj进行评分；利用K个所述对象集合将所述评分向量集合中的未评分的对象进行评分。优选地，所述利用K个所述对象集合将所述评分向量集合中的未评分的对象进行评分，包括：利用将所述评分向量集合中评分分值为0的对象进行估算评分；其中，为所述用户ui的算术平均评分分值，Mq为包括对象mj的对象集合，λ为大于0的常数，J(j，p)为对象mj和对象mp之间的杰卡德相似系数。优选地，获取待推荐对象对应的客观用户集合，包括：利用计算各个用户对所述待推荐对象mj的平均评分分值；在所述三元样本集合中，将对所述待推荐对象的评分满足的用户添加至所述待推荐对象对应的客观用户集合中。优选地，对所述相似客观用户集合进行相似度估分计算，获得所述目标用户对所述待推荐对象的预估分值，包括：计算所述相似客观用户集合中的各个用户与所述目标用户的相似度；利用计算所述目标用户ut对待推荐对象j的预估分值；其中，sim(ut，u)为所述目标用户ut与用户u的相似度，sj为所述相似客观用户集合，为用户u对所述待推荐对象j的评分分值，为用户u对应的算术平均评分分值，为所述目标用户对应的算术平均评分分值。一种对象推荐装置，包括：集合获取模块，用于获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合；其中，所述客观用户集合包括对所述目标推荐对象进行客观评价的用户；集合处理模块，用于将所述聚类用户集合和所述客观用户集合的交集作为相似客观用户集合；预估分值计算模块，用于对所述相似客观用户集合进行相似度估分计算，获得所述目标用户对所述待推荐对象的预估分值；对象推荐模块，用于若所述预估分值大于推荐阈值，则将所述待推荐对象推荐给所述目标用户。一种对象推荐设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述对象推荐方法的步骤。一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述对象推荐方法的步骤。应用本专利技术实施例所提供的方法，获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合；其中，客观用户集合包括对目标推荐对象进行客观评价的用户；将聚类用户集合和客观用户集合的交集作为相似客观用户集合；对相似客观用户集合进行相似度估分计算，获得目标用户对待推荐对象的预估分值；若预估分值大于推荐阈值，则将待推荐对象推荐给目标用户。在向目标用户推荐对象之前，可获取目标用户对应的聚类用户集合待推荐对象，以及待推荐对象的客观用户集合。其中，聚类用户集合即与目标用户具有相似性的用户集合。客观用户集合即为对待推荐对象的评价相对客观。然后，可计算出聚类用户集合和客观用户集合的交集，将该交集作为相似客观用户集合。相似客观用户集合即可表示为与目标用户具有相似性且对待推荐对象进行了客观评价的用户的集合。利用相似客观用户集合进行相似度估分计算，可预估出目标用户对待推荐对象的预估分值。当预估分值大于推荐阈值时，则表明目标用户可能对待推荐对象感兴趣，因而可将待推荐对象推荐给目标用户。如此，便可完成对目标用户推荐对象。因计算目标用户对待推荐对象的预估分值的集合为相似客观用户集合，而相似客观用户集合中的用户，既与目标用户具有相似性，又排除了非客观评价的用户，因而计算出预估分值，既符合目标用户的个性化特征，又具有客观性。因此，将预估分值大于推荐阈值的待推荐目标用户，更符合目标用户的需求，即对象推荐更准确。相应地，本专利技术实施例还提供了与上述对象推荐方法相对应的对象推荐装置、设备和可读存储介质，具有上述技术效果，在此不再赘述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中一种对象推荐方法的实施流程图；图2为本专利技术实施例中一种对象推荐装置的结构示意图；图3为本专利技术实施例中一种对象推荐设备的结构示意图；图4为本专利技术实施例中一种对象推荐设备的具体结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1，图1为本专利技术实施例中一种对象推荐方法的流程图，该方法包括以下步骤：S101、获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合。其中，客观用户集合包括对目标推荐对象进行客观评价的用户。在需要对目标用户推荐对象时，如目标用户发起推荐请求或达到了预设推荐触发条件，获取目标用户的聚类用户集合，以及待推本文档来自技高网...

【技术保护点】
1.一种对象推荐方法，其特征在于，包括：获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合；其中，所述客观用户集合包括对所述目标推荐对象进行客观评价的用户；将所述聚类用户集合和所述客观用户集合的交集作为相似客观用户集合；对所述相似客观用户集合进行相似度估分计算，获得所述目标用户对所述待推荐对象的预估分值；若所述预估分值大于推荐阈值，则将所述待推荐对象推荐给所述目标用户。

【技术特征摘要】
1.一种对象推荐方法，其特征在于，包括：获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合；其中，所述客观用户集合包括对所述目标推荐对象进行客观评价的用户；将所述聚类用户集合和所述客观用户集合的交集作为相似客观用户集合；对所述相似客观用户集合进行相似度估分计算，获得所述目标用户对所述待推荐对象的预估分值；若所述预估分值大于推荐阈值，则将所述待推荐对象推荐给所述目标用户。2.根据权利要求1所述的对象推荐方法，其特征在于，在所述获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合之前，还包括：获取用户-对象-评分分值的三元样本集合其中(u，m，r)i表示第i个三元样本，l为三元样本个数，u表示用户，m表示对象，r表示评分分值。3.根据权利要求2所述的对象推荐方法，其特征在于，所述获取目标用户所属的聚类用户集合，包括：利用聚类算法将所述三元样本集合中的对象聚成K类，获得K个对象集合；其中K为大于1的正整数；利用所述三元样本集合确定出每一个所述对象集合对应的用户集合；将所述目标用户所属的用户集合确定为所述待推荐对象的聚类用户集合。4.根据权利要求3所述的对象推荐方法，其特征在于，在获得K个对象集合之后，在将所述目标用户所属的用户集合确定为所述待推荐对象的聚类用户集合之前，还包括：利用所述三元样本集合，计算用户的评分向量集合其中表示用户ui的评分向量，rij表示用户ui对对象mj的评分分值，rij＝0表示所述用户ui未对所述对象mj进行评分；利用K个所述对象集合将所述评分向量集合中的未评分的对象进行评分。5.根据权利要求4所述的对象推荐方法，其特征在于，所述利用K个所述对象集合将所述评分向量集合中的未评分的对象进行评分，包括：利用将所述评分向量集合中评分分值为0的对象进行估算评分；其中，为所述用户ui的算术平均评分分值，...

【专利技术属性】
技术研发人员：张莉，程江飞，王邦军，凌兴宏，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32