【技术实现步骤摘要】
用户相似度的计算方法、计算系统、设备及存储介质
[0001]本公开属于电子商务
,具体涉及一种用户相似度的计算方法,一种用户相似度的计算系统,一种计算机设备,以及一种计算机可读存储介质。
技术介绍
[0002]一个好的推荐系统能够促进消费者进行消费行为,提高用户购物体验以及提升留存度,最终达到提高卖家交易额的目的。在推荐系统中协同过滤(Collaborative Filtering,简称CF)算法是其代表算法,被各大电商平台广泛应用。协同过滤算法主要有基于用户的协同过滤(User
‑
CF)算法和基于商品的协同过滤(Item
‑
CF)算法。如图1所示,User
‑
CF算法的关键是找到目标用户的相似用户,综合相似用户的偏好商品推荐给目标用户。步骤分为三步:1、获取用户
‑
商品评分信息;2、根据用户
‑
商品评分信息计算用户相似度并按照大小排序,取其中相似度较大的前N个用户,作为近邻用户集;3、根据近邻用户集对商品的评分,对用户未知的商品进行评分预测,将预测评分较高的商品推荐给用户。
[0003]可以看出,用户相似度计算是User
‑
CF算法的关键。用户相似度计算基于用户
‑
商品评分矩阵完成,求解时可以使用到的策略有余弦相似度、修正的余弦相似度、皮尔逊(Pearson)相关系数、杰卡德(Jaccard)相似度等。
[0004]由于现有用户相似度计算是基于用户
‑
...
【技术保护点】
【技术特征摘要】
1.一种用户相似度的计算方法,其特征在于,包括:获取用户
‑
商品评分矩阵;根据所述用户
‑
商品评分矩阵,采用预设的全局相似度计算方法计算其中任意两个用户的全局相似度,以及采用预设的局部相似度计算方法计算其中任意两个用户的局部相似度;根据所述用户
‑
商品评分矩阵中任意两个用户的全局相似度和局部相似度计算所述任意两个用户的整体相似度。2.根据权利要求1所述的计算方法,其特征在于,所述采用预设的全局相似度计算方法计算其中任意两个用户的全局相似度,采用如下公式得出:式(1)中,sim
global
(u,v)为所述用户
‑
商品评分矩阵中用户u与用户v的全局相似度,R
ui
表示用户u对商品i的评分,R
vj
表示用户v对商品j的评分,分别表示用户u、用户v对所有已评分商品的评分平均值,I
u
、I
v
分别表示用户u、用户v评分的商品,I
uv
表示用户u、用户v共同评分的商品,i、j取正整数。3.根据权利要求1所述的计算方法,其特征在于,所述任意两个用户的局部相似度基于修正的巴氏系数计算得出,其中修正的巴氏系数采用如下的计算公式计算:式(2)中:BC
′
(u,v)为所述用户
‑
商品评分矩阵中用户u与用户v的修正的巴氏系数,表示用户示用户表示用户u已评分的商品总量,表示用户v已评分的商品总量,表示用户u或用户v评分为k的商品总量,m表示用户对商品评分的类别总数。4.根据权利要求3所述的计算方法,其特征在于,当所述用户
‑
商品评分矩阵中的任意两个用户之间没有共同评分的商品时,所述任意两个用户的局部相似度采用如下计算公式得出:sim
local
(u,v)=BC
′
(u,v)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式(3)中:sim
local
(u,v)为所述用户
‑
商品评分矩阵中用户u与用户v的局部相似度,BC
′
(u,v)所述用户
‑
商品评分矩阵中用户u与用户v的修正的巴氏系数。5.根据权利要求3所述的计算方法,其特征在于,当所述用户
‑
商品评分矩阵中的任意两个用户之间有共同评分的商品时,所述任意两个用户的局部相似度采用如下计算公式得出:式(4)中:sim
local
(u,v)为所述用户
‑
商品评分矩阵中用户u与用户v的局部相似度,BC
′
(u,v)为所述用户
‑
商品评分矩阵中用户u与用户v的修正的巴氏系数,R
ui
...
【专利技术属性】
技术研发人员:霍慧,
申请(专利权)人:中国联合网络通信集团有限公司,
类型:发明
国别省市:
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。