基于预测值填充的项目推荐方法、可读存储介质和终端技术

技术编号:20160644 阅读:21 留言:0更新日期:2019-01-19 00:13
一种基于预测值填充的项目推荐方法、可读存储介质和终端,所述方法包括:获取原始用户项目评分矩阵;当确定所述原始用户项目评分矩阵为稀疏矩阵时,基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充,得到对应的填充矩阵;基于所述填充矩阵,对目标用户的项目评分进行预测;根据预测得到的项目评分将对应的项目推荐给所述目标用户。上述的方案,可以提高项目推荐的准确性,提升用户的体验。

【技术实现步骤摘要】
基于预测值填充的项目推荐方法、可读存储介质和终端
本专利技术属于互联网
,特别是涉及一种基于预测值填充的项目推荐方法、可读存储介质和终端。
技术介绍
随着互联网的快速发展,网络信息以爆炸式地增长,导致用户无法在庞大的数据信息中筛选有价值的信息,信息过载问题亟待解决。在此背景下,个性化推荐系统应运而生。具体而言,推荐系统是基于用户的历史行为数据或物品数据,通过有效的算法,为用户推荐符合他需求的物品。目前在电子商务和社交网络等领域中,都不同程度地使用了推荐系统技术。协同过滤(collaborativefiltering,CF)算法是应用最广泛的推荐算法之一,该算法利用用户对项目评分的高低来衡量用户的兴趣偏好,根据评分进行推荐。协同过滤推荐算法主要分为基于模型和基于邻域两类。
技术实现思路
本专利技术所要解决的技术问题是如何提高项目推荐的准确性,提升用户的体验。为了达到上述目的,本专利技术提供一种基于预测值填充的项目推荐方法,所述方法包括:获取原始用户项目评分矩阵;当确定所述原始用户项目评分矩阵为稀疏矩阵时,基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充,得到对应的填充矩阵;基于所述填充矩阵,对目标用户的项目评分进行预测;根据预测得到的项目评分将对应的项目推荐给所述目标用户。可选地,所述基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充,包括:计算所述原始用户项目评分矩阵中项目之间的相似度;基于计算得到的项目之间的相似度,确定所述原始用户项目评分矩阵中与未评分项目相似度最高的多个评分项目;采用所述原始用户项目评分矩阵中与未评分项目相似度最高的多个评分项目的评分,计算得到所述未评分项目的预测评分;将所述未评分项目的预测评分填入所述原始用户项目评分矩阵中的对应位置处。可选地,所述基于所述填充矩阵,对目标用户的项目评分进行预测,包括:对所述填充矩阵采用奇异值分解进行降维,得到对应的左奇异矩阵和奇异值矩阵;基于所述左奇异矩阵和奇异值矩阵,构建用户隐式特征空间矩阵;基于所述用户的用户隐式特征空间矩阵,确定每个用户的邻居用户群;基于所述邻居用户群中用户之间的信任关系,构建目标用户的信任邻居群集合;基于所构建的目标用户的信任邻居群集合中用户的项目评分,对所述目标用户的为评分项目进行预测。可选地,采用如下的公式对所述填充矩阵采用奇异值分解进行降维:其中,表示,P|U|×k表示对所述填充矩阵采用奇异值分解进行降维得到的左奇异矩阵,Sk×k表示对所述填充矩阵采用奇异值分解进行降维得到的奇异值矩阵,表示对所述填充矩阵采用奇异值分解进行降维得到右奇异矩阵的转置矩阵,U表示项目的个数,k表示降维后的用户个数。可选地,采用如下的公式基于所述左奇异矩阵和奇异值矩阵,构建用户隐式特征空间矩阵:Y=PKSK1/2;其中,Y表示所述用户隐式特征空间矩阵,PK表示对所述填充矩阵采用奇异值分解进行降维得到的左奇异矩阵,SK表示对所述填充矩阵采用奇异值分解进行降维得到的奇异值矩阵。可选地,所述基于所述用户隐式特征空间矩阵,确定每个用户的邻居用户群,包括:在所述用户隐式特征空间矩阵下计算每两个用户之间相似度,构建用户相似矩阵;将所述用户相似矩阵转换为对应的模糊等价矩阵;按照所述模糊等价矩阵中等价关系值,将具有相似特征的用户归为一类,得到每个用户对应的邻居用户群。可选地,所述基于所述邻居用户群中用户之间的信任关系,构建信任用户的信任邻居群集合,包括:当目标用户与所述信任邻居群集合中的邻居用户之间具有直接信任关系时,采用修正的余弦相似性计算所述目标用户与该邻居用户之间的信任度数值;当目标用户与所述信任邻居群集合中的邻居用户之间具有间接信任关系时,采用信任传播算法计算所述目标用户与该邻居用户之间的信任度数值;获取与所述目标用户的信任度数值较高的多个邻居用户,组成所述目标用户的信任邻居群集合。可选地,采用如下的公式基于所构建的目标用户的信任邻居群集合中用户的项目评分,对所述目标用户的为评分项目进行预测:其中,pa,i表示目标用户ua的未评分项目i的预测评分,表示目标用户ua的信任邻居群集合中的邻居用户对项目i的评分的均值,rk,i表示目标用户的信任邻居群集合中的邻居用户k对项目i的评分的均值,gtk表示目标用户的信任邻居群集合的信任网络中直接连接到用户ua的邻居用户的本地信任分数的平均值,B(ua)表示目标用户ua的信任邻居群集合中的邻居用户。本专利技术实施例还提供了一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述任一项所述的基于预测值填充的项目推荐方法的步骤。本专利技术实施例还提供了一种终端,包括存储器和处理器,所述存储器上储存有能够在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述任一项所述的基于预测值填充的项目推荐方法的步骤。与现有技术相比,本专利技术的有益效果为:上述的方案,通过当确定所述原始用户项目评分矩阵为稀疏矩阵时,基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充,得到对应的填充矩阵,并基于所述填充矩阵,对目标用户的项目评分进行预测,最后根据预测得到的项目评分将对应的项目推荐给所述目标用户,可以有效解决数据稀疏问题,提高项目推荐的准确性。附图说明为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1是本专利技术实施例中的一种基于预测值填充的项目推荐方法的流程示意图;图2是本专利技术实施例中的一种基于预测值填充的项目推荐装置的结构示意图。具体实施方式下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。本专利技术实施例中有关方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。如
技术介绍
所述,现有技术其中的协同过滤算法是应用最广泛的推荐算法之一,该算法利用用户对项目评分的高低来衡量用户的兴趣偏好,根据评分进行推荐。协同过滤推荐算法主要分为基于模型和基于邻域两类。其中,基于模型的协同过滤主要通过用户对产品的评分信息训练出相应的模型,利用模型再进行未知数据的预测。由于虽然具有良好的扩展性和可实践性被广泛的使用,但是随着用户和项目数量的急剧增加,面临着用户-评分矩阵稀疏性的问题,导致推荐质量不高。本专利技术实施例中的技术方案通过当确定所述原始用户项目评分矩阵为稀疏矩阵时,基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充,得到对应的填充矩阵,并基于所述填充矩阵,对目标用户的项目评分进行预测,最后根据预测得到的项目评分将对应的项目推荐给所述目标用户,可以有效解决数据稀疏问题,提高项目推荐的准确性。为使本专利技术的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本专利技术的具体实施例做详细的说明。本文档来自技高网
...

【技术保护点】
1.一种基于预测值填充的项目推荐方法,其特征在于,包括:获取原始用户项目评分矩阵;当确定所述原始用户项目评分矩阵为稀疏矩阵时,基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充,得到对应的填充矩阵;基于所述填充矩阵,对目标用户的项目评分进行预测;根据预测得到的项目评分将对应的项目推荐给所述目标用户。

【技术特征摘要】
1.一种基于预测值填充的项目推荐方法,其特征在于,包括:获取原始用户项目评分矩阵;当确定所述原始用户项目评分矩阵为稀疏矩阵时,基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充,得到对应的填充矩阵;基于所述填充矩阵,对目标用户的项目评分进行预测;根据预测得到的项目评分将对应的项目推荐给所述目标用户。2.根据权利要求1所述的基于预测值填充的项目推荐方法,其特征在于,所述基于所述项目间的相似性对所述原始用户项目评分矩阵进行填充,包括:计算所述原始用户项目评分矩阵中项目之间的相似度;基于计算得到的项目之间的相似度,确定所述原始用户项目评分矩阵中与未评分项目相似度最高的多个评分项目;采用所述原始用户项目评分矩阵中与未评分项目相似度最高的多个评分项目的评分,计算得到所述未评分项目的预测评分;将所述未评分项目的预测评分填入所述原始用户项目评分矩阵中的对应位置处。3.根据权利要求1所述的基于预测值填充的项目推荐方法,其特征在于,所述基于所述填充矩阵,对目标用户的项目评分进行预测,包括:对所述填充矩阵采用奇异值分解进行降维,得到对应的左奇异矩阵和奇异值矩阵;基于所述左奇异矩阵和奇异值矩阵,构建用户隐式特征空间矩阵;基于所述用户的用户隐式特征空间矩阵,确定每个用户的邻居用户群;基于所述邻居用户群中用户之间的信任关系,构建目标用户的信任邻居群集合;基于所构建的目标用户的信任邻居群集合中用户的项目评分,对所述目标用户的为评分项目进行预测。4.根据权利要求3所述的基于预测值填充的项目推荐方法,其特征在于,采用如下的公式对所述填充矩阵采用奇异值分解进行降维:其中,表示原用户评分矩阵,P|U|×k表示对所述填充矩阵采用奇异值分解进行降维得到的左奇异矩阵,Sk×k表示对所述填充矩阵采用奇异值分解进行降维得到的奇异值矩阵,表示对所述填充矩阵采用奇异值分解进行降维得到右奇异矩阵的转置矩阵,U表示项目的个数,k表示降维后的用户个数。5.根据权利要求4所述的基于预测值填充的项目推荐方法,其特征在于,采用如下的公式基于所述左奇异矩阵和奇异值矩阵,构建用户隐式特征空间矩阵:其中,Y表示所述用户隐式特征空间矩阵,PK表...

【专利技术属性】
技术研发人员:黄刚王菲李吉祺方梦梁张进
申请(专利权)人:南京邮电大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 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。

1