基于物品能量扩散和用户偏好的协同过滤推荐方法技术

本发明专利技术公开了一种可同时提供高精度和高多样性推荐的基于物品能量扩散和用户偏好的协同过滤推荐方法，该方法包括如下步骤：统计用户对物品的评分信息，构建用户‑物品二部图；初始化物品能量，根据能量扩散原理并结合用户偏好，将每个物品的初始能量通过用户扩散到物品；按照物品之间能量扩散的比重，计算物品之间的相似度，并选取邻近物品；针对目标用户未评分的物品，根据其邻近物品的评分对其进行预测评分；选取预测评分最高的N个未评分物品推荐给目标用户。

Collaborative filtering recommendation method based on item energy diffusion and user preference

The invention discloses a collaborative filtering recommendation method based on item energy diffusion and user preference, which can simultaneously provide high-precision and high-diversity recommendation. The method includes the following steps: statistical user's rating information on items, constructing user-item bipartite graph; initializing item energy, and connecting the initial energy of each item with user preference according to the principle of energy diffusion. According to the proportion of energy diffusion between items, the similarity between items is calculated, and the adjacent items are selected. For the items that are not scored by the target users, they are predicted and scored according to the scoring of their adjacent items. The N items with the highest prediction score are recommended to the target users.

【技术实现步骤摘要】
基于物品能量扩散和用户偏好的协同过滤推荐方法
本专利技术涉及推荐
，尤其涉及一种可同时提供高精度和高多样性推荐的基于物品能量扩散和用户偏好的协同过滤推荐方法。
技术介绍
随着移动智能设备的发展，数据正在以爆炸式的速度增长，人们无法从海量的信息中快速准确地找到自己所需的信息，因此产生“信息过载”的现象。推荐系统可以根据用户个人信息来感知用户的需求，智能且快速地为用户推荐有价值的信息，解决“信息过载”问题。基于物品的协同过滤方法是目前推荐系统应用非常广泛的推荐技术之一。该方法假设一个物品如果与用户过去喜欢的物品相似，则该物品也可能被用户所喜欢，首先计算物品之间的相似度，然后选取相似度最高的物品作为的邻近物品，接下来根据邻近物品的信息为目标用户未评分的物品进行预测评分，最后在目标用户未评分的物品中，选取预测评分最高的物品推荐给目标用户。该方法可以为不同类型的用户提供不同类型的推荐，因此推荐结果具有多样性高的特点，但是推荐的精度往往不尽人意。能量扩散是物理学中的一种现象，近年来，能量扩散方法常被用在信息过滤领域。在推荐系统中，该方法假设每个物品都有一定的推荐能力，即物品能量，首先初始化本文档来自技高网...

【技术保护点】
1.一种基于物品能量扩散和用户偏好的协同过滤推荐方法，其特征在于按照如下步骤进行：令U={U1,U2,…,Um}表示用户的集合，其中m表示用户的总数目，Uu表示第u个用户，1≤u≤m；Utu表示目标用户，1≤tu≤m；令I={I1,I2,…In}表示物品的集合，其中n表示物品的总数目，Ii表示第i个物品，1≤i≤n；令R∪{*}表示用户对物品的评分集合，其中*表示用户未对物品进行评分；令用户Uu∈U对物品Ii∈I的评分为ru,i∈R∪{*}；令 k(Itu) = {Ii ∈I |rtu,i= *}表示目标用户Utu的未评分物品集合， 其中Iti∈k(Itu)为目标用户Utu的未评分物品集合中第...

【技术特征摘要】
1.一种基于物品能量扩散和用户偏好的协同过滤推荐方法，其特征在于按照如下步骤进行：令U={U1,U2,…,Um}表示用户的集合，其中m表示用户的总数目，Uu表示第u个用户，1≤u≤m；Utu表示目标用户，1≤tu≤m；令I={I1,I2,…In}表示物品的集合，其中n表示物品的总数目，Ii表示第i个物品，1≤i≤n；令R∪{*}表示用户对物品的评分集合，其中*表示用户未对物品进行评分；令用户Uu∈U对物品Ii∈I的评分为ru,i∈R∪{*}；令k(Itu)={Ii∈I|rtu,i=*}表示目标用户Utu的未评分物品集合，其中Iti∈k(Itu)为目标用户Utu的未评分物品集合中第ti个物品；步骤1.统计用户对物品的评分信息，构建用户-物品二部图：根据用户的评分信息，将每个用户和每个物品分别作为一个节点，构建一个拥有m+n个节点的用户-物品二部图，节点与节点之间的链接关系构成一个相邻矩阵A={au,i}m*n；其中如果用户Uu评价过物品Ii，则它们之间存在一个链接，在相邻矩阵中对应的元素au,i=1，否则设为0；步骤二.初始化每个物品能量，根据能量扩散原理并结合用户的偏好，将每个物品的初始能量通过用户扩散到物品：步骤2.1.若i=y，物品Iy的初始能量为f（Iy），将初始能量f（Iy...

【专利技术属性】
技术研发人员：张志鹏，任永功，邹丽，张大为，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：辽宁,21