一种基于用户评级的结构体推荐方法技术

本发明专利技术公开了一种基于用户评级的结构体推荐方法包括：收集用户对项目的评分历史记录得出二进制评分矩阵，采用概率方法衡量用户评分的有效性，并添加隐性评级完善有效的评级概况；针对用户评级模块添加时间可靠性以及时间相似性元素，预测最初评级并引入时间权重函数；计算对象拥有属性的隶属度，根据隶属度构建用户偏好背景矩阵；选定阈值，依据用户偏好背景矩阵抽取各类用户的属性，得到用户偏好结构体；实现用户偏好群体的标签定义，设置约束条件；预测目标用户来对未评分项目打分。通过结构体概念构建用户偏好画像并将时间信度和置信度纳入推荐过程，解决了用户的偏好可能会随着时间的推移而变化的问题，从而达到提高推荐精度的作用。荐精度的作用。荐精度的作用。

【技术实现步骤摘要】
一种基于用户评级的结构体推荐方法


[0001]本专利技术涉及互联网信息
，尤其涉及一种基于用户评级的结构体推荐方法。

技术介绍

[0002]随着互联网的快速发展，信息的量呈指数级增长，用户花费大量的时间 和精力来选择他们相关的项目。当用户想要购买某一特定物品时，他们会对该物品进行各种评论，并进行一些比较。
[0003]从大规模数据集中寻找相关信息通常是一个困难和耗时的过程，像系统这样的用户会自动考虑他们的兴趣，只显示相关信息。推荐系统正迅速成为电子商务和商业分析应用中的一种强大技术。这些系统通过为用户提供个性化的建议，帮助用户在合理的时间内找到自己所需的内容。
[0004]协同过滤推荐作为目前应用最广泛的单领域推荐技术，协作过滤算法得到了学术界和工业界的重点关注。矩阵分解作为最流行的协同过滤方法之一，也成为了关注的热点，目前这些技术仍存在一些问题，如下：数据稀疏性问题：首先用户很少对一个物品作出评分，而且因物品种类繁多，导致矩阵分解通常使用的评分数据具有稀疏性的缺点，而这种稀疏性一定程度上降低了传统协同过滤技术评分预测精度。
[0005]冷启动问题：协同过滤需要大量与网站互动的历史记录，才能给出高质量的推荐，因而造成了用户冷启动问题。在一个新领域，用户通常很少或根本没有与网站互动的历史。因此，传统推荐方法往往不能为冷启动用户提供高质量的推荐。
[0006]噪声问题：推荐系统中的噪声是指在数据集中会对评分值预测造成影响的数据，推荐系统数据集中的噪声被分为恶意噪声和非恶意噪声（自然噪声），这两类噪声都很重要，并且会对推荐性能产生不利影响。
[0007]目前已形成了多种成熟的推荐算法，大致可分为协同过滤推荐算法、基于内容推荐算法与混合推荐算法。
[0008]协同过滤推荐算法是使用用户和以用户项目评级矩阵表示的项目之间的交互来生成推荐。协同过滤算法是通过分析其他用户或其他项目的评分信息来对目标用户进行推荐，推荐精度更高。
[0009]基于内容的推荐算法是使用最早的推荐算法，是通过将项目中包含的特征信息与目标用户感兴趣的特征信息进行比较来向用目标用户推荐项目，基础是根据目标用户以前使用的项目的特征信息来寻找相似的项目，为了给目标用户提供合适的推荐，需要准确的用户特征、偏好和需求模型。
[0010]推荐系统需要足够的评级来产生准确的推荐，它们在预测未看到的项目方面的表现很大程度上取决于每个用户的评级档案中现有评级的数量。一般来说，由于用户的评级档案中的历史评级不足，预测评级的准确性可能会降低。因此本专利提出了一种基于用户
评级与时间可靠性的推荐方法。

技术实现思路

[0011]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0012]鉴于上述存在的问题，专利技术提供如下技术方案：一种基于用户评级的结构体推荐方法。
[0013]因此，本专利技术解决的技术问题是：如何将推荐精度更加的精确。
[0014]为解决上述技术问题，本专利技术提供如下技术方案：一种基于用户评级的结构体推荐方法，其包括如下步骤：作为本专利技术所述的一种基于用户评级的结构体推荐方法的一种优选方案，其中：收集用户对项目的评分历史记录得出二进制评分矩阵，采用概率方法衡量用户评分的有效性，并添加隐性评级完善有效的评级概况；针对用户评级模块添加时间可靠性以及时间相似性元素，预测最初评级并引入时间权重函数；计算对象拥有属性的隶属度，根据隶属度构建用户偏好背景矩阵；选定阈值，依据用户偏好背景矩阵抽取各类用户的属性，得到用户偏好结构体；实现用户偏好群体的标签定义，设置约束条件；预测目标用户来对未评分项目打分，从而完成推荐。
[0015]作为本专利技术所述的一种基于用户评级的结构体推荐方法的一种优选方案，其中：设定用户对项目的评分历史记录所得出二进制评分矩阵的评级在[minR，maxR]的范围内，用户u的评级计算方式有，，其中评级r∈[minR，maxR]，收集用户对项目的评分历史记录得出二进制评分矩阵，表示用户u对第i项分配的评分，表示用户u在评分等级r中提供的评分数量，指包含用户u对项目的所有评分的集合。
[0016]作为本专利技术所述的一种基于用户评级的结构体推荐方法的一种优选方案，其中：添加隐性评级完善有效的评级概况，用户u的隐式评级从的项中选择，其中I是项集，是指包含由用户u评级。
[0017]作为本专利技术所述的一种基于用户评级的结构体推荐方法的一种优选方案，其中：添加隐性评分完善不可靠的评分项目，使用时间相似度度量计算相似度值；评级包括“喜欢”和“不喜欢”；其中“喜欢”视图用于目标用户显示感兴趣的项目；“不喜欢”视图用于不符合目标用户兴趣的项目；使用“喜欢”评分的时间加权矩阵的形成方式为：，
其中，为用户u在“喜欢”时间加权矩阵中分配的项目i的评级的时间加权值，t表示评分时间戳，T表示最大时间戳，λ表示控制时间因子影响的参数；λ值越高，时间对计算相似度值的影响就越大，λ值越小，时间对计算相似度值的影响就越小；“不喜欢”时间加权矩阵的形成方式为，，其中，为用户u在“不喜欢”的时间加权矩阵中分配的项目i的评级的时间加权值；使用时间加权的“喜欢”和“不喜欢”矩阵来确定用户之间的时间相似性值，用户u和v之间的时间相似性值的计算方法使用公式有，，其中，通过下述公式进行计算，，若用户u和v都喜欢或不喜欢项i，那么基于该项目的相似性具有正的值；若用户u和v其中一个用户喜欢项目i，而另一个用户不喜欢它，那么基于该项目的相似性将为负值；若用户u和v至少有一个用户u和v没有对项目i进行评分，那么基于项目i的相似性将为零。
[0018]作为本专利技术所述的一种基于用户评级的结构体推荐方法的一种优选方案，其中：二进制矩阵中“1”表示一个用户对某个项目的标记，表示该用户具有某个项目的属性，将该二进制矩阵看作是一个用户兴趣的背景表示为C （U， I， S），其中U/I/S分别表示的是用户集合、项目集合以及 用户与项目之间的关系，用户u的邻居集合公式为，，其中，U为所有用户的集合，θ为用于时间相似度值的阈值，由目标用户的邻居提供的所有评级的时间戳的平均值被用作每个隐式评级的时间戳。
[0019]作为本专利技术所述的一种基于用户评级的结构体推荐方法的一种优选方案，其中：在用户对项目的评分历史记录收集用户对项目的评分历史记录得出二进制评分矩阵中的指标存在定量指标以及定性指标，并设置5个等级 D1、D2、D3、D4、D5取值区间的中值分别为 d1、d2、d3、d4、d5；对定量指标与定性指标进行总体隶属度进行的计算，使用极小型指标隶属度的计算公式，为第i个指标的隶属度；对于最低级D1（i=1）计算公式为，
，对于中间等级D2、D3、D4（i=2，3，4）计算公式为，，对于最高等级D5（i=5）计算公式为，，其中，为对象的第i本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户评级的结构体推荐方法，其特征在于，包括：收集用户对项目的评分历史记录得出二进制评分矩阵，采用概率方法衡量用户评分的有效性，并添加隐性评级完善有效的评级概况；针对用户评级模块添加时间可靠性以及时间相似性元素，预测最初评级并引入时间权重函数；计算对象拥有属性的隶属度，根据隶属度构建用户偏好背景矩阵；选定阈值，依据用户偏好背景矩阵抽取各类用户的属性，得到用户偏好结构体；实现用户偏好群体的标签定义，设置约束条件；预测目标用户来对未评分项目打分，从而完成推荐。2.如权利要求1所述的一种基于用户评级的结构体推荐方法，其特征在于：设定用户对项目的评分历史记录所得出二进制评分矩阵的评级在[minR，maxR]的范围内，用户u的评级计算方式有，，其中评级r∈[minR，maxR]，收集用户对项目的评分历史记录得出二进制评分矩阵，表示用户u对第i项分配的评分，表示用户u在评分等级r中提供的评分数量，指包含用户u对项目的所有评分的集合。3.如权利要求2所述的一种基于用户评级的结构体推荐方法，其特征在于：添加隐性评级完善有效的评级概况，用户u的隐式评级从的项中选择，其中I是项集，是指包含由用户u评级。4.如权利要求3所述的一种基于用户评级的结构体推荐方法，其特征在于：添加隐性评分完善不可靠的评分项目，使用时间相似度度量计算相似度值；评级包括“喜欢”和“不喜欢”；其中“喜欢”视图用于目标用户显示感兴趣的项目；“不喜欢”视图用于不符合目标用户兴趣的项目；使用“喜欢”评分的时间加权矩阵的形成方式为：，其中，为用户u在“喜欢”时间加权矩阵中分配的项目i的评级的时间加权值，t表示评分时间戳，T表示最大时间戳，λ表示控制时间因子影响的参数；λ值越高，时间对计算相似度值的影响就越大，λ值越小，时间对计算相似度值的影响就越小；“不喜欢”时间加权矩阵的形成方式为，，其中，为用户u在“不喜欢”的时间加权矩阵中分配的项目i的评级的时间加权值；使用时间加权的“喜欢”和“不喜欢”矩阵来确定用户之间的时间相似性值，用户u和v之间的时间相似性值的计算方法使用公式有，
，其中，通过下述公式进行计算，，若用户u和v都喜欢或不喜欢项i，那么基于该项目的相似性具有正的值；若用户u和v其中一个用户喜欢项目i，而另一个用户不喜欢它，那么基于该项目的相似性将为负值；若用户u和v至少有一个用户u和v没有对项目i进行评分，那么基于项目i的相似性将为零。5. 如权利要求4所述的一种基于用户评级的结构体推荐方法，其特征在于：二进制矩阵中“1”表示一个用户对某个项目的标记，表示该用户具有某个项目的属性，将该二进制矩阵看作是一个用户兴趣的背景表示为C （U， I， S），其中U/I/S分别表示的...

【专利技术属性】
技术研发人员：赵学健，陈宇，孙知信，孙哲，曹亚东，宫婧，汪胡青，胡冰，徐玉华，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：