【技术实现步骤摘要】
一种基于社会化关系用户分类及推荐方法
本专利技术属于数据挖掘和社交网站推荐系统领域,更具体的说明,涉及一种基于社交网站用户分类后的用户兴趣或商品购买相同一种推荐方法。
技术介绍
混合推荐系统是推荐系统中目前应用比较流行和成功的技术,这种推荐系统综合了协同过程、内容推荐、知识推荐的技术,该模型与其他推荐模型的不同在于:对用户的兴趣、推荐系统及其推荐技术进行了一些研究与探索,建立了基于用户兴趣的混合推荐模型,并在该模型的基础上采用BP神经网络和奇异值分解的算法向用户做出预测,实施推荐。主要的研究内容包括用户兴趣混合模型的建立、基于改进的奇异值分解算法和基于用户兴趣的时间递归神经网络算法。在整个推荐过程中,主要分为两个阶段,即模型的建立阶段和实施预测推荐的阶段。在模型的建立阶段,主要基于的假设是:用户对商品喜欢程度是由三方面决定,即商品自身的属性、用户的兴趣和用户近邻对该商品的评价,然后采用数据预处理方法建立用户的兴趣模型。在预测推荐阶段,首先从用户对商品的历史评分信息中统计出用户的兴趣偏好和商品本身的属性信息,建立用户的兴趣偏好向量和商品的属性向量。然后分别采用时间递归神经网络算法和基于奇异值分解的算法来预测用户对待推荐商品的评分。最后结合这两个评分做出最终的推荐。分析结果表明,结合了商品属性的用户兴趣模型和混合推荐算法不仅弥补了协同过滤算法中信息稀疏问题带来的不足,同时也解决了基于内容过滤算法中对用户考虑过于简单带来的问题,从而提高了整个推荐系统的推荐质量。
技术实现思路
围绕社会化网络个性化推荐系统中的混合推荐模型展开,结合协同过滤推荐技术与基于用户兴趣的推荐 ...
【技术保护点】
1.一种基于社会化关系用户分类及推荐方法,其特征在于,包括如下步骤:(1)根据建立的用户兴趣模型,来获取得到的数据,如用户属性、用户评价和商品属性;(2)采用数据处理工具Python对数据进行抽取、转换、加载,得到用户兴趣数据和商品属性数据;(3)采用神经网络算法来预测用户兴趣进行分类,分类的前提是先将抽取的数据生成时间递归神经网络生成特征向量,分类的过程采用了SVM分类器;(4)根据用户的分类对用户喜欢的商品进行推荐。
【技术特征摘要】
1.一种基于社会化关系用户分类及推荐方法,其特征在于,包括如下步骤:(1)根据建立的用户兴趣模型,来获取得到的数据,如用户属性、用户评价和商品属性;(2)采用数据处理工具Python对数据进行抽取、转换、加载,得到用户兴趣数据和商品属性数据;(3)采用神经网络算法来预测用户兴趣进行分类,分类的前提是先将抽取的数据生成时间递归神经网络生成特征向量,分类的过程采用了SVM分类器;(4)根据用户的分类对用户喜欢的商品进行推荐。2.如权利要求1所述的用于社会化关系用户分类及推荐方法,其包括如下步骤:(1)用户属性矩阵n表有每个用户有n维特征向量,m代表有用户数目,k代表每个用户有k个特征值;(2)用户评价Rij以及对应用户分类...
【专利技术属性】
技术研发人员:万迅,
申请(专利权)人:爱品克科技武汉股份有限公司,
类型:发明
国别省市:湖北,42
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。