基于直觉模糊集的噪声检测推荐系统技术方案

本发明专利技术涉及一种基于直觉模糊集的噪声检测推荐系统，属于推荐技术领域。包括：获取和处理原始数据，构建用户

【技术实现步骤摘要】
基于直觉模糊集的噪声检测推荐系统


[0001]本专利技术涉及推荐
，主要涉及一种基于直觉模糊集的噪声检测推荐系统。

技术介绍

[0002]随着信息技术的高质量发展，信息获取已经成为人们与外部世界进行交互的一项基本活动。用户通过线上平台所能够获取到的信息越来越多，然而，大量无差异信息的涌现，使得其根据兴趣偏好获取到对自身有用且有价值的信息的难度增大。信息分析与预测作为最关键的技术，可以充分利用历史信息，快速预测出潜在有价值的信息，这极大地降低了时间成本，提高了用户满意度。推荐系统作为一种杰出的信息过滤技术，能在超载搜索空间中预测出用户感兴趣的产品或服务，为用户提供个性化的推送。一个有效的推荐系统可以极大地提高用户的满意度和购买体验，同时增强他们对平台的黏性，进而提升平台的影响力。协同过滤技术是目前最为流行的推荐技术之一，其基本思想是通过分析用户的历史偏好行为来对系统中的海量数据进行筛选，为其推送可能感兴趣的内容。其中，用户历史偏好行为的获取是关键一环，输入信息的质量将会直接或间接地影响推荐结果。因此，设计一种方法对推荐系统中可用的数据信息进行预处理，以为推荐系统提供准确、可靠的信息输入就显得尤为重要。
[0003]目前，大多数推荐方法假定用户是完全理性的且评分信息可以正确的反映其自身真实偏好。然而，在实际的推荐系统中，评分数据并不是完全可靠的，由于不同用户的评分偏好差异性以及评分信息的不确定性，推荐系统所获取到的输入信息总是存在一定噪声。因此，借助一定的手段对输入信息进行噪声识别和修正就显得尤为重要。r/>[0004]专利技术人在对推荐系统中输入数据进行预处理研究时，发现推荐系统作为特定的不确定性信息系统，其提供不确定决策的过程与直觉模糊集的概念高度相关，故借助直觉模糊集的相关理论，从定性的角度来划分用户和项目，再通过噪声检测规则识别出噪声数据，并对其修正。然后，将修正后的数据用于后续推荐过程中，以进一步提高推荐方法的预测结果，实现高质量推荐。

技术实现思路

[0005]针对上述问题，本专利技术提出一种基于直觉模糊集的噪声检测推荐系统，包括：
[0006]数据采集及准备模块，用于对用户数据进行获取与处理，以得到系统所需要的信息，构建用户
‑
项目评分矩阵R。
[0007]偏好分类模块，借助直觉模糊集理论，获取用户i和项目j的直觉模糊数，并据此将用户和项目的偏好倾向分为三类：强偏好用户(或项目)、弱偏好用户(或项目)、未知偏好用户(或项目)。
[0008]噪声检测与修正模块，根据用户和项目偏好倾向的划分，利用设计的噪声检测方法对输入的评分矩阵R中存在的噪声数据进行识别与修正，得到修正后的用户
‑
项目评分矩阵R
′
。
[0009]结果预测模块，将修正后的评分数据作为现有推荐方法的输入信息，预测出目标用户在未评分项目上的偏好值，并对结果进行从大到小排序。
[0010]推荐结果获取模块，用于为目标用户i找到前k个具有最高预测偏好值的项目进行个性化推送。
[0011]本专利技术所述的噪声检测推荐系统，所述数据采集及准备模块，用于将采集的原始数据处理成为一个用户
‑
项目评分矩阵R。
[0012]本专利技术所述的噪声检测推荐系统，所述偏好分类模块，借助直觉模糊集相关理论，对用户和项目的偏好倾向进行分类，具体包括：
[0013](1)直觉模糊数获取模块，以评分区间为1
‑
5为例，计算获取用户i和项目j各自的直觉模糊数(M
ui
,N
ui
)和(M
vj
,M
vj
)。获取规则如下：
[0014]①
若用户i对已交互项目的评分大于其平均分则表示该用户喜欢这些项目，其隶属度M
ui
为u
i
/n，其中u
i
为用户i所喜欢的项目数量，n为项目总数；
[0015]②
若用户i对已交互项目的评分小于其平均分则表示该用户讨厌这些项目，其非隶属度N
ui
为(U
i
‑
u
i
)/n，其中U
i
为用户i的评分数量；
[0016]③
其余情况，由于偏好未知，则犹豫度H
ui
为(1
‑
M
ui
‑
N
ui
)。
[0017]相似地，项目j的隶属度M
vj
、非隶属度N
vj
、犹豫度H
vj
分别为v
j
/m，(V
j
‑
v
j
)/m和(1
‑
M
vj
‑
N
vj
)，其中m为用户数量，v
j
为项目j受用户喜欢的数量，V
j
为项目j被评分的次数。
[0018](2)偏好分类模块，根据所得直觉模糊数，对用户和项目进行偏好划分。
[0019]①
若用户i(或项目j)的隶属度大于非隶属度，则将用户i(或项目j)划分到强偏好用户类S
u
(或项目类S
v
)中；
[0020]②
若用户i(或项目j)的隶属度小于非隶属度，则将用户i(或项目j)划分到弱偏好用户类W
u
(或项目类W
v
)中；
[0021]③
其余情况，则将用户i(或项目j)划分到未知偏好用户类U
u
(项目类U
v
)中。
[0022]本专利技术所述的噪声检测推荐系统，所述噪声检测与修正模块，用于根据设定的噪声检测机制，识别并修正噪声评分，以得到修正后的评分矩阵R
′
。噪声机制设定如下：
[0023][0024]①
若用户i和项目j都属于强偏好类且用户评分r
ij
均小于其平均评分，则该评分被判定为自然噪声，且值被修正为
[0025]②
若用户i和项目j都属于弱偏好类且用户评分r
ij
均大于其平均评分，则该评分被判定为自然噪声，且值被修正为
[0026]本专利技术所述的噪声检测推荐系统，所述结果预测模块，用于预测出目标用户在未评分项目上的偏好结果，并对结果进行排序，此模块具体包括：
[0027](1)预测评分模块，将修正后的评分矩阵R
′
作为信息输入，利用系统中现有的推荐方法预测出用户在未评分项目上的偏好评分值p
ij
。
[0028](2)预测结果排序模块，用于对预测的偏好评分集合进行内部从大到小排序。
[0029]本专利技术所述的噪声检测推荐系统，所述推荐结果获取模块，用于获取目标用户i的推荐列表，并进行个性化推送。过程包括：先设定向目标用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于直觉模糊集的噪声检测推荐系统，其特征包括：数据采集及准备模块，用于对用户数据进行获取与处理，以得到系统所需要的信息，构建用户
‑
项目评分矩阵R；偏好分类模块，借助直觉模糊集理论，获取用户i和项目j的直觉模糊数，并据此将用户和项目的偏好倾向分为三类：强偏好用户(或项目)、弱偏好用户(或项目)、未知偏好用户(或项目)；噪声检测与修正模块，根据用户和项目偏好倾向的划分，利用设计的噪声检测方法对输入的评分矩阵R中存在的噪声数据进行识别与修正，得到修正后的用户
‑
项目评分矩阵R
′
；结果预测模块，将修正后的评分数据作为现有推荐方法的输入信息，预测出目标用户在未评分项目上的偏好值，并对结果进行从大到小排序；推荐结果获取模块，用于为目标用户i找到前k个具有最高预测偏好值的项目进行个性化推送。2.如权利要求1所述的噪声检测推荐系统，其特征在于，所述数据采集及准备模块，用于将采集的原始数据处理成为一个用户
‑
项目评分矩阵R。3.如权利要求1所述的噪声检测推荐系统，其特征在于，所述偏好分类模块，借助直觉模糊集相关理论，对用户和项目的偏好倾向进行分类，具体包括：(1)直觉模糊数获取模块，以评分区间为1
‑
5为例，计算获取用户i和项目j各自的直觉模糊数(M
ui
,N
ui
)和(M
vj
,N
vj
)。获取规则如下：
①
若用户i对已交互项目的评分大于其平均分则表示该用户喜欢这些项目，其隶属度M
ui
为u
i
/n，其中u
i
为用户i所喜欢的项目数量，n为项目总数；
②
若用户i对已交互项目的评分小于其平均分则表示该用户讨厌这些项目，其非隶属度N
ui
为(U
i
‑
u
i
)/n，其中U
i
为用户i的评分数量；
③
其余情况，由于偏好未知，则犹豫度H
ui
为(1
‑
M
ui
‑
N
ui
)。相似地，项目j的隶属度M
vj
、非隶属度N
vj
、犹豫度H
v...

【专利技术属性】
技术研发人员：邓江洲，王永，王霞，唐仁泰，王河洺，陆聪，杨久裕，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：