一种面向社交网络基于云模型的topN推荐方法技术

本发明专利技术公开一种面向社交网络基于云模型的topN推荐方法，属于数据挖掘和信息检索领域。利用社交网络海量数据集收集被推荐用户信息，评分物品信息，推荐用户信息；从被推荐用户信息和推荐用户信息中提取用户属性、获得用户评分，由多维云逆向云发生器生成多维云；通过多维云相似度计算用户属性云相似度；由推荐用户和被推荐用户的评分生成评分云，合并所有评分云生成父云，在父云中生成新的评分；综合相似度和评分生成被推荐用户对新物品的兴趣度，取兴趣度高的前N个物品生成topN推荐集。该方法解决了属性单一或多属性权值设置不确定给推荐系统带来的阻碍，个性化推荐针对不同用户产生不同的推荐集，并将推荐相关信息发送至用户，节省了网络资源。

【技术实现步骤摘要】

本专利技术属于数据挖掘和信息检索领域，涉及计算机系统的信息采集和分析，是一种面向社交网络基于云模型的个性化推荐方法。
技术介绍
随着互联网的快速发展，人们逐渐步入信息过载时代。为解决信息过载问题，人们不断采用新的措施，如强化搜索引擎，优化推荐系统等解决海量信息带来的难题。近年来，推荐系统受到物联网巨头和电商越来越多的青睐，尤其个性化推荐技术的发展，对改善用户体验和提高服务质量起到了重要的作用。推荐系统可以分为两类：评分预测和个性化推荐。前者是对未评分物品进行评分估计，后者是向用户提供一个个性化推荐列表。向用户提供个性化推荐列表的推荐方法叫做topN推荐。现有的推荐技术可以分为基于内容和基于协同过滤的技术。基于内容的是通过分析用户的内容属性和物品的内容属性，建立特征表述，向用户推荐潜在感兴趣的物品。基于协同过滤的利用的是用户行为记录信息，寻找邻居用户群，根据邻居用户群兴趣特征向该用户进行推荐。由于基于内容的推荐对内容的知识要求较高，因此，基于协同过滤的技术得到了更广本文档来自技高网...

【技术保护点】
一种面向社交网络基于云模型的topN推荐方法，其特征在于，数据获取模块获取被推荐用户和推荐用户信息，及已评分物品信息，提取用户的属性，建立推荐用户集‑被推荐用户集‑评分物品集三层关系，构建被推荐用户及推荐用户的属性向量；多维云模型的逆向云发生器根据推荐用户集‑被推荐用户集关系计算被推荐用户和推荐用户的相似度；综合云模型合并被推荐用户和推荐用户的评分云生成父云，多维云模型的正向云发生器在父云中生成新的评分；生成topN推荐集模块根据相似度和新的评分计算获得被推荐用户的兴趣度，将所有用户的兴趣度按高低排序列表，选取前N个作为被推荐用户的推荐集。

【技术特征摘要】
1.一种面向社交网络基于云模型的topN推荐方法，其特征在于，数据获取
模块获取被推荐用户和推荐用户信息，及已评分物品信息，提取用户的属性，
建立推荐用户集-被推荐用户集-评分物品集三层关系，构建被推荐用户及推荐
用户的属性向量；多维云模型的逆向云发生器根据推荐用户集-被推荐用户集关
系计算被推荐用户和推荐用户的相似度；综合云模型合并被推荐用户和推荐用
户的评分云生成父云，多维云模型的正向云发生器在父云中生成新的评分；生
成topN推荐集模块根据相似度和新的评分计算获得被推荐用户的兴趣度，将所
有用户的兴趣度按高低排序列表，选取前N个作为被推荐用户的推荐集。
2.根据权利要求1所述的推荐方法，其特征在于，根据推荐用户集-被推荐
用户集-评分物品集得到被推荐用户和其近邻用户集所关注的所有物品评分，云
逆向云发生器获取用户评分向量(Ex,En,He)构建一维评分云图；综合云模型合并
被推荐用户和所有推荐用户的评分云图生成父云；正向云发生器计算所有物品
评分在一维评分云图中的隶属度，在父云中根据该隶属度生成相应的云滴，根
据云滴获得被推荐用户关注物品的新评分。
3.根据权利要求1所述的推荐方法，其特征在于，所述计算被推荐用户和
推荐用户的相似度具体包括，多维云模型的逆向云发生器根据被推荐用户和推
荐用户各自的属性向量生成对应的云，通过正向云发生器生成各自的云滴，根
据两组云滴的距离获得被推荐用户和推荐用户的相似度。
4...

【专利技术属性】
技术研发人员：肖云鹏，康自恒，刘宴兵，杨光，李娜，刘瀚松，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50