基于用户行为倾向概率的推荐系统评分预测与推荐方法技术方案

本发明专利技术提供了一种基于用户行为倾向概率的推荐系统评分预测与推荐方法，用于对当前推荐系统中的物品、物品的标签和用户的倾向性评分之间的关系进行评分计算，并在目标用户从当前推荐系统中搜索物品时向该目标用户提供相似物品的推荐服务，其特征在于，包括如下步骤：步骤一，建物品数据库；步骤二，建用户评分库；步骤三，计算用户ur对标签Tq的倾向性概率预测评分P(ur，Tq)；步骤四，计算用户ur对物品Ii的倾向性评分R(ur，Ii)；步骤五，在目标用户u

Scoring prediction and recommendation method for recommender systems based on user behavior propensity probability

The invention provides a user behavior based on probability recommendation system score prediction and recommendation method, for the relationship between the propensity score of the current recommendation system of goods, goods label and user's score calculation, and provide recommendation service to the target user similar items in the target user search items from the current recommendation system in the system, characterized by comprising the following steps: A, goods database; step two, build user rating database; step three, the prediction score P to calculate the probability tendency of users ur on the label Tq (ur, Tq); step four, calculate the user ur on the item Ii of the propensity score R (UR, Ii); step five, the target users of U

【技术实现步骤摘要】
基于用户行为倾向概率的推荐系统评分预测与推荐方法
本专利技术涉及一种推荐方法，具体涉及一种基于用户行为倾向概率的推荐系统评分预测与推荐方法。
技术介绍
推荐系统作为个性化服务的一个内容，能够基于物品之间的相似性向用户推荐感兴趣的或适宜其自身的电影、商品等物品，使得用户可以迅速得到符合喜欢和选择倾向的物品信息。同时，推荐系统能够节省用户在大量浏览物品的过程中所消耗的系统资源和带宽等成本，使得推荐系统受到大量用户的信任、青睐和使用。现有技术中，推荐系统主要采用协同过滤推荐方法，该方法利用兴趣相投的用户群体的共同喜好来向目标用户推荐物品。但是，上述协同过滤推荐方法存在两方面问题。一方面是传统推荐方法仅仅依靠用户之间的相似度来选取目标用户的邻居，导致推荐精度较低、推荐的物品的多样性较差；另一方面是传统推荐方法过度依赖用户对物品的评分来进行预测，无法完全避免用户的评分偏见和恶意评分数据，导致推荐的物品与用户感兴趣的物品有偏差。因此，需要一种更为有效的且具有适当多样性的推荐系统，为用户提供方便而高效的推荐服务。
技术实现思路
本专利技术是为了解决上述问题而进行的，目的在于提供一种基于用户行为倾向概率的推荐系统评分预测与推荐方法。本专利技术提供了一种基于用户行为倾向概率的推荐系统评分预测与推荐方法，用于对当前推荐系统中的物品、物品的标签和用户的倾向性评分之间的关系进行评分计算，并在目标用户从当前推荐系统中搜索物品时向该目标用户提供相似物品的推荐服务，其特征在于，包括如下步骤：步骤一，建立物品数据库，该物品数据库包括N个物品Ii和用于描述物品Ii性质的L个标签Tq，物品Ii的集合设为标签Tq的集合设为TG＝{Tq，q＝1，...，L}，每个物品Ii的L(Ii)个标签tp的集合设为T(Ii)＝{tp|tp∈TG，当p≠q时tp≠tq，其中p，q＝1，...，L(Ii).}，每个物品Ii与每个标签Tq的关系为δ(tp，Tq)；步骤二，建立用户评分库，该用户评分库包括M个用户ur和每个用户ur对K(ur)个已评价物品Ii的评分，用户ur的集合设为UR＝{ur，r＝1，...，M}，已评价物品Ii的集合为I(ur)＝{Ii|Ii∈IM，i＝1，...，K(ur)}，评分为r′(ur∈UR，Ii∈IM)；步骤三，根据预定规则计算用户ur对标签Tq的倾向性概率预测评分P(ur，Tq)；步骤四，根据下式计算用户ur对物品Ii的倾向性评分R(ur，Ii)：步骤五，在目标用户u*从当前推荐系统中搜索物品Ii时，根据下式计算物品Ii与物品Ij的相似度S(Ii，Ij)：上式中，物品Ii的度为d(Ii)，目标用户u*的度为d(ur)，a(ur，Ii)表示目标用户u*是否对物品Ii进行过评分，当目标用户u*对物品Ii评过分时，a(ur，Ii)＝1，当目标用户u*未对物品Ii评过分时，a(ur，Ii)＝0；步骤六，计算目标用户u*对物品Ii的预测评分值，物品Ii与物品Ij的已知平均评分分别是ri′和rj′，用户ur对物品Ij的评分值为r′(ur，Ij)，设定物品Ii的邻居物品的个数为n，根据下式计算每个邻居物品的预测评分值为r(ur，Ii)：步骤七，根据预测评分值r(ur，Ii)从高到低对邻居物品进行排序，并将排在预定位数的邻居物品推荐给目标用户u*。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，其中，在步骤一中，物品Ii∈IM。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，其中，L(Ii)个标签tp之间互不相同，且L(Ii)≤L。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，其中，在步骤一中，当tp＝Tq时，δ(tp，Tq)＝1，当tp≠Tq时，δ(tp，Tq)＝0。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，包括：在步骤二中，r′(ur∈UR，Ii∈IM)的值为1～5，当用户ur对物品Ii未评价过时，r′(ur∈UR，Ii∈IM)＝0。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，其中，在步骤三中，预定规则的公式如下：当用户ur评价过物品Ii时，当用户ur未评价过物品Ii时，P(ur，Tq)＝0。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，其中，在步骤五和步骤六中，物品Ij∈IM。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，其中，在步骤六中，r′(ur，Ij)的值为1～5，当用户ur对物品Ij未评价过时，r′(ur，Ij)＝0。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，其中，在步骤六中，n∈{10，20，30，40}。本专利技术提供的基于用户行为倾向概率的推荐系统评分预测与推荐方法，还可以具有这样的特征，其中，在步骤七中，预定位数为5～10位。专利技术的作用与效果根据本专利技术所涉及的基于用户行为倾向概率的推荐系统评分预测与推荐方法，由于对推荐系统中的物品、标签和用户的倾向性评分之间的关系进行评分计算，并在计算目标用户对物品的预测评分值之前对物品Ii与物品Ij进行了相似度计算，使得推荐系统向目标用户推荐的物品更加多元化。另外，因为该基于用户行为倾向概率的推荐系统评分预测与推荐方法不过度依赖用户评分，使得推荐系统向用户推荐的物品符合用户的兴趣，从而提高了推荐的准确性。附图说明图1是本专利技术的实施例中基于用户行为倾向概率的推荐系统评分预测与推荐方法的流程图。具体实施方式为了使本专利技术实现的技术手段与功效易于明白了解，以下结合实施例及附图对本专利技术作具体阐述。<实施例>图1是本专利技术的实施例中基于用户行为倾向概率的推荐系统评分预测与推荐方法的流程图。如图1所示，基于用户行为倾向概率的推荐系统评分预测与推荐方法包括如下步骤：步骤一，建立物品数据库，该物品数据库包括N个物品Ii和用于描述物品Ii性质的L个标签Tq，物品Ii的集合设为标签Tq的集合设为TG＝{Tq，q＝1，...，L}，每个物品Ii的L(Ii)个互不相同的标签tp的集合设为T(Ii)＝{tp|tp∈TG，当p≠q时tp≠tq，其中p，q＝1，...，L(Ii).}，每个物品Ii与每个标签Tq的关系为δ(tp，Tq)，当tp＝Tq时，δ(tp，Tq)＝1，当tp≠Tq时，δ(tp，Tq)＝0，即在本实施例中，该物品数据库为与电影相关的物品数据库，包括6个物品Ii(即电影1，电影2，电影3，电影4，电影5，电影6)，和用于描述物品Ii的6个标签Tq(即爱情，恐怖，剧情，科幻，历史，动作)。其中，每个物品Ii有多个互不相同的标签tp，每个物品Ii与每个标签Tq的关系为δ(tp，Tq)。6个电影Ii分别与6个标签Tq的关系δ(tp∈T(Ii∈IM)，Tq∈TG)如表1所示。例如，电影1有3个标签tp(即恐怖，科幻，动作)，所以，电影1与三个标签Tq(即恐怖，科幻，动作)的关系均为1，电影1与其它3个标签Tq(即爱情，剧情，历史)的关系均为0。表1步骤二，建立用户评分库，该用户评分库为与电影相关的本文档来自技高网...

【技术保护点】
一种基于用户行为倾向概率的推荐系统评分预测与推荐算法，用于对当前推荐系统中的物品、物品的标签和用户的倾向性评分之间的关系进行评分计算，并在目标用户从所述当前推荐系统中搜索物品时向该目标用户提供相似物品的推荐服务，其特征在于，包括如下步骤：步骤一，建立物品数据库，该物品数据库包括N个所述物品Ii和用于描述所述物品Ii性质的L个所述标签Tq，所述物品Ii的集合设为

【技术特征摘要】
1.一种基于用户行为倾向概率的推荐系统评分预测与推荐算法，用于对当前推荐系统中的物品、物品的标签和用户的倾向性评分之间的关系进行评分计算，并在目标用户从所述当前推荐系统中搜索物品时向该目标用户提供相似物品的推荐服务，其特征在于，包括如下步骤：步骤一，建立物品数据库，该物品数据库包括N个所述物品Ii和用于描述所述物品Ii性质的L个所述标签Tq，所述物品Ii的集合设为所述标签Tq的集合设为TG＝{Tq，q＝1，...，L}，每个所述物品Ii的L(Ii)个标签tp的集合设为T(Ii)＝{tp|tp∈TG，当p≠q时tp≠tq，其中p，q＝1，...，L(Ii).}，每个所述物品Ii与每个所述标签Tq的关系为δ(tp，Tq)；步骤二，建立用户评分库，该用户评分库包括M个所述用户ur和每个所述用户ur对K(ur)个已评价物品Ii的评分，所述用户ur的集合设为UR＝{ur，r＝1，...，M}，所述已评价物品Ii的集合为I(ur)＝{Ii|Ii∈IM，i＝1，...，K(ur)}，所述评分为r′(ur∈UR，Ii∈IM)；步骤三，根据预定规则计算所述用户ur对所述标签Tq的倾向性概率预测评分P(ur，Tq)；步骤四，根据下式计算所述用户ur对所述物品Ii的倾向性评分R(ur，Ii)：步骤五，在所述目标用户u*从所述当前推荐系统中搜索所述物品Ii时，根据下式计算所述物品Ii与物品Ij的相似度S(Ii，Ij)：上式中，所述物品Ii的度为d(Ii)，所述目标用户u*的度为d(ur)，a(ur，Ii)表示所述目标用户u*是否对所述物品Ii进行过评分，当所述目标用户u*对所述物品Ii评过分时，a(ur，Ii)＝1，当所述目标用户u*未对所述物品Ii评过分时，a(ur,Ii)＝0；步骤六，计算所述目标用户u*对所述物品Ii的预测评分值，所述物品Ii与所述物品Ij的已知平均评分分别是ri′和rj′，所述用户ur对所述物品Ij的评分值为r′(ur，Ij)，设定所述物品Ii的邻居物...

【专利技术属性】
技术研发人员：艾均，苏湛，李龙生，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31