The invention relates to an improved collaborative filtering recommendation method based on item content features, which comprises the following steps: reading a data set and splitting the data set to obtain user score records and item click data; calculating the co-occurrence matrix between the item and the item and the average click value of each item; calculating the click shadow of the item. Sound factor is inversely related to the difference of clicks between items; the improved item similarity is obtained by multiplying item similarity with clicks of items, and the similarity matrix is finally generated; K similar items are found for the target users, and the degree of interest of the users is calculated according to the interest degree formula. Then, according to the user's interest ordering, recommend the most interested N items. The invention effectively improves the recommended coverage and increases the diversity of the recommended articles.
【技术实现步骤摘要】
一种基于物品内容特征的改进协同过滤推荐方法
本专利技术涉及商品推荐
,特别是涉及一种基于物品内容特征的改进协同过滤推荐方法。
技术介绍
推荐系统(RecommendationSystem,RS),简单来说就是根据用户的日常行为,自动预测用户的喜好,为用户提供更多完善的服务。协同过滤技术是目前推荐系统中最成功和应用最广泛的技术,在理论研究和实践中都取得了快速的发展,它根据用户的历史选择信息和相似性关系,收集与用户兴趣爱好相同的其他用户的评价信息来产生推荐。推荐系统使用了一系列不同的技术,主要可以分为以下两类:基于内容(content-based)的推荐,主要依据的是推荐项的性质。基于协同过滤(collaborativefiltering)的推荐,主要依据的是用户或者物品之间的相似性。而基于协同过滤的推荐系统用可以分为两类:基于物品(item-based)的推荐系统,主要依据的是物品与物品之间的相似性。基于用户(user-based)的推荐系统,主要依据的是用户与用户之间的相似性。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于物品内容特征的改进协同过滤推荐方法,能够增加推荐物品的多样性。本专利技术解决其技术问题所采用的技术方案是:提供一种基于物品内容特征的改进协同过滤推荐方法,包括以下步骤:(1)读取数据集,并拆分数据集,获取用户评分记录以及物品点击量数据;(2)计算物品与物品之间的共现矩阵以及每个物品点击量均值;(3)计算物品点击量影响因子;(4)物品相似度与物品点击量影响因子相乘得到改进后的物品相似度,最终生成相似度矩阵;(5)针对目标用户, ...
【技术保护点】
1.一种基于物品内容特征的改进协同过滤推荐方法,其特征在于,包括以下步骤:(1)读取数据集,并拆分数据集,获取用户评分记录以及物品点击量数据;(2)计算物品与物品之间的共现矩阵以及每个物品点击量均值;(3)计算物品点击量影响因子;(4)物品相似度与物品点击量影响因子相乘得到改进后的物品相似度,最终生成相似度矩阵;(5)针对目标用户,找到K个相似的物品,计算用户对相似的物品的兴趣程度;(6)根据用户对相似的物品的兴趣度进行排序,推荐最感兴趣的前N个物品。
【技术特征摘要】
1.一种基于物品内容特征的改进协同过滤推荐方法,其特征在于,包括以下步骤:(1)读取数据集,并拆分数据集,获取用户评分记录以及物品点击量数据;(2)计算物品与物品之间的共现矩阵以及每个物品点击量均值;(3)计算物品点击量影响因子;(4)物品相似度与物品点击量影响因子相乘得到改进后的物品相似度,最终生成相似度矩阵;(5)针对目标用户,找到K个相似的物品,计算用户对相似的物品的兴趣程度;(6)根据用户对相似的物品的兴趣度进行排序,推荐最感兴趣的前N个物品。2.根据权利要求1所述的基于物品内容特征的改进...
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。