一种基于多阶近邻预测的推荐系统及方法技术方案

本发明专利技术公开了一种基于多阶近邻预测的推荐系统及方法，该系统包括：用户评分矩阵建立模块，用于根据用户集合和物品集合建立用户评分矩阵；相似度计算模块，用于计算任意两个用户之间的相似度；迭代近邻查找模块，用于根据相似度计算结果为目标用户选择N个近邻用户作为其一阶近邻，再选择N个一阶近邻的一阶近邻作为其二阶近邻，并依次迭代，直至找出目标用户的k阶近邻集，其中，N和k均为正整数；预测及推荐模块，用于根据每一次迭代查找的近邻集重新预测目标用户对物品的评分，并为目标用户进行物品推荐。本发明专利技术基于多阶近邻预测的推荐系统及方法采用迭代查找的思想，使得该推荐系统和方法的预测评分更准确，有效性更高。

【技术实现步骤摘要】
一种基于多阶近邻预测的推荐系统及方法
本专利技术涉及信息处理
，特别涉及一种基于多阶近邻预测的推荐系统及方法。
技术介绍
互联网的出现，带我们走进了全球信息化的时代，同时也让我们陷入了信息过载的困境。面对铺天盖地的信息，人们往往会感到无所适从，很难从中寻找出适合自己的信息，从而降低了信息的使用效率。因此如何对海量数据进行分析、开发，最大程度地实现信息的有效利用，已成为热门的研究课题。为了解决信息过载的问题，先后出现了信息分类、搜索引擎和推荐系统三种方式。虽然信息分类和搜索引擎在一定程度上缓解了信息过载问题，但是也造成了马太效应，即越流行的物品会随着搜索过程的迭代越流行，而越不流行的物品则会石沉大海。与之相比推荐系统则更加智能和主动，它给所有的物品都提供了曝光的机会，就算用户没有明确的目标，推荐系统也可以通过研究用户的历史行为，建立用户兴趣偏好模型，进而主动地为用户产生个性化推荐列表，引导用户发现自己潜在的信息需求。虽然推荐系统应用十分广泛，但是在推荐的准确性和数据稀疏性等方面，依然存在着许多的不足。随着用户和物品数量的不断本文档来自技高网...

【技术保护点】
1.一种基于多阶近邻预测的推荐系统，其特征在于，包括：/n用户评分矩阵建立模块，用于根据用户集合和物品集合建立用户评分矩阵；/n相似度计算模块，用于计算任意两个用户之间的相似度；/n迭代近邻查找模块，用于根据相似度计算结果为目标用户选择N个近邻用户作为其一阶近邻，再选择N个一阶近邻的一阶近邻作为其二阶近邻，并依次迭代，直至找出目标用户的k阶近邻集，其中，N和k均为正整数；/n预测及推荐模块，用于根据每一次迭代查找的近邻集重新预测目标用户对物品的评分，并为目标用户进行物品推荐。/n

【技术特征摘要】
1.一种基于多阶近邻预测的推荐系统，其特征在于，包括：
用户评分矩阵建立模块，用于根据用户集合和物品集合建立用户评分矩阵；
相似度计算模块，用于计算任意两个用户之间的相似度；
迭代近邻查找模块，用于根据相似度计算结果为目标用户选择N个近邻用户作为其一阶近邻，再选择N个一阶近邻的一阶近邻作为其二阶近邻，并依次迭代，直至找出目标用户的k阶近邻集，其中，N和k均为正整数；
预测及推荐模块，用于根据每一次迭代查找的近邻集重新预测目标用户对物品的评分，并为目标用户进行物品推荐。


2.如权利要求1所述的基于多阶近邻预测的推荐系统，其特征在于，所述根据用户集合和物品集合建立用户评分矩阵，具体包括：根据用户集合U＝{u1,u2,...,un}和物品集合I＝{i1,i2,...,im}建立用户评分矩阵R＝[rui]n×m，其中，n和m分别代表用户总数和物品总数，rui表示用户uu对物品ii的评分。


3.如权利要求1所述的基于多阶近邻预测的推荐系统，其特征在于，所述计算任意两个用户之间的相似度，具体包括：根据PCC相似度计算公式计算任意两个用户uu和uv之间的相似度；所述PCC相似度计算公式如下：



其中，M表示用户uu和用户uv共同评分过的物品集合，rui和rvi分别表示用户uu和用户uv对物品ii的评分，和分别代表用户uu和用户uv的评分均值。


4.如权利要求1所述的基于多阶近邻预测的推荐系统，其特征在于，所述目标用户的k阶近邻集为：



其中，表示目标用户uu的第k阶近邻集，近邻集之间互不相交且每阶近邻集大小相同。


5.如权利要求1所述的基于多阶近邻预测的推荐系统，其特征在于，第k次迭代后，重新预测目标用户uu对物品ii的评分为：



其中，表示目标用户uu的第k-1次迭代的评分均值，表示近邻用户uv的第k-1次迭代的评分均值，S(u,k)表示用户uu的第k阶近邻集，N(i)表示对物品ii产生过行为的用户集，sim(uu,uv)表示目标用户uu和近邻用户...

【专利技术属性】
技术研发人员：张莉，孙晓寒，屈蕴茜，王邦军，周伟达，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32