一种基于群体兴趣的资源推荐方法技术

本发明专利技术公开了一种基于群体兴趣的资源推荐方法，包括以下步骤：S1、生成用户‑项目评分矩阵，所述项目为潜在推荐资源对象；S2、采用核主成分分析方法对项目评分矩阵进行规范：将原始样本映射到一个高维空间中执行线性PCA算法，将数据投影到一个更低维的特征空间，然后在这个特征空间中计算主元成分项目，从而简化维数；S3、采用k‑means算法对用户进行分类，以用于识别有相似喜好的用户聚类；S4、根据所述用户聚类推荐相似喜好的主元成分项目的信息资源。使用核主成分分析(KPCA)精简和规范用户评分矩阵，以及采用k‑means聚类算法对用户进行分类，回避传统算法的数据稀疏性、冷开始等问题，从而实现更高效精准推荐信息资源。

【技术实现步骤摘要】
一种基于群体兴趣的资源推荐方法
本专利技术涉及资源推荐方法，尤其是一种基于群体兴趣的资源推荐方法。
技术介绍
随着互联网技术、信息技术的高速发展，互联网上的信息量与日俱增，面对海量数据，如何快速检索到自己感兴趣的资源内容成为大部分互联网用户的重要需求。很多网站、信息系统为了解决这个问题，纷纷使用了资源推荐技术，希望通过推荐功能减少用户搜索资源花费的时间和精力，从而提高用户体验、增强用户黏度，比如购物网站的商品推荐列表、学习类网站的推荐阅读、新闻资讯网站的个性化首页等。目前信息资源的推荐类别可以分为两大类：非个性化推荐、个性化推荐。非个性化推荐即不考虑用户个体特征，直接推送热点信息资源，比如最新资源、热搜资源、浏览量最多的资源。这种方式的好处是算法简单、执行容易，对于新系统、新用户比较直接有效，不足之处也很明显，即缺乏个性，用户容易接收到无效信息资源，从而感觉厌倦。个性化推荐方式即针对用户个体特征进行信息资源推荐，主要包括如下几种：(1)基于用户基础数据结合统计学特征推荐，比如根据用户所在性别、地域等基本属性，关联对应的信息资源排名进行推荐。(2)基于用户社交关系推荐，即根据用户好友关本文档来自技高网...

【技术保护点】
1.一种基于群体兴趣的资源推荐方法，其特征在于，包括以下步骤：S1、生成用户‑项目评分矩阵，所述项目为潜在推荐资源对象；S2、采用核主成分分析方法对项目评分矩阵进行规范：将原始样本映射到一个高维空间中执行线性PCA算法，将数据投影到一个更低维的特征空间，然后在这个特征空间中计算主元成分项目，从而简化维数；S3、采用k‑means算法对用户进行分类，以用于识别有相似喜好的用户聚类；S4、根据所述用户聚类推荐相似喜好的主元成分项目的信息资源。

【技术特征摘要】
1.一种基于群体兴趣的资源推荐方法，其特征在于，包括以下步骤：S1、生成用户-项目评分矩阵，所述项目为潜在推荐资源对象；S2、采用核主成分分析方法对项目评分矩阵进行规范：将原始样本映射到一个高维空间中执行线性PCA算法，将数据投影到一个更低维的特征空间，然后在这个特征空间中计算主元成分项目，从而简化维数；S3、采用k-means算法对用户进行分类，以用于识别有相似喜好的用户聚类；S4、根据所述用户聚类推荐相似喜好的主元成分项目的信息资源。2.根据权利要求1所述的一种基于群体兴趣的资源推荐方法，其特征在于:所述步骤S2包括：S21、确定输入的用户-项目评分矩阵，并将输入矩阵转换成列向量，该列向量为x＝(x1，x2，...，xn)T，n为维数；S22、选择核函数；S23、计算核矩阵k；S24、采用K-L变换将核矩阵中心化：kl＝k-l*k-k*l+l*k*l；S25、求出kl的特征值e和特征向量v；S26、对特征值e和特征向量v进行处理，使特征值e和特征向量v相对应...

【专利技术属性】
技术研发人员：王伟阳，
申请(专利权)人：天闻数媒科技湖南有限公司，
类型：发明
国别省市：湖南,43