一种基于用户活跃度的评分预测方法技术

本发明专利技术提供一种基于用户活跃度的评分预测方法，包括步骤：a.数据预处理，稀疏性处理；b.确定用户在每一个项目上的活跃度加权值；c.根据活跃度加权值确定相似用户；d.根据活跃度加权值形成最终评分预测。本发明专利技术是根据用户活跃度来改进传统协同过滤的评分预测方法，其有的优点包括：更准确挖掘用户兴趣，具有更高的预测质量。

【技术实现步骤摘要】

本专利技术涉及用于推荐系统的协同过滤方法领域，具体地说是一种改进的协同过滤方法，该方法是基于用户活跃度的用户评分预测方法。
技术介绍
协同过滤是在当前推荐系统中应用最普遍的技术。通过相关特征的属性来定义项目或对象，系统基于用户评价对象的特征学习用户的兴趣，依据用户资料与待预测项目的匹配程度进行推荐，努力向客户推荐与其以前喜欢的产品相似的产品。以使用者的角度来推荐的协同过滤系统有下列优点1.能够过滤机器难以自动内容分析的资讯，如艺术品，音乐等。2.共用其他人的经验，避免了内容分析的不完全或不精确，并且能够基于一些复杂的，难以表述的概念(如资讯品质、个人品味)进行过滤。3.有推荐新资讯的能力。可以发现内容上完全不相似的资讯，使用者对推荐资讯的内容事先是预料不到的。可以发现使用者潜在的但自己尚未发现的兴趣偏好。4.推荐个性化、自动化程度高。能够有效的利用其他相似使用者的回馈资讯。加快个性化学习的速度。传统协同过滤算法主要有三种一、以使用者为基础(User-based)的协同过滤用相似统计的方法得到具有相似爱好或者兴趣的相邻使用者，所以称之为以使用者为基础(User-based)的协同过滤本文档来自技高网...

【技术保护点】
一种在协同过滤网络推荐系统中基于用户活跃度的评分预测方法，其特征在于，包括如下步骤：a.采集用户以及项目数据，并对所述数据进行预处理和稀疏性处理；b.计算所述用户在每一个项目上的活跃度加权值；c.根据活跃度加权值确定相似用户；d.根据活跃度加权值以及相似用户结合基于项目的协同过滤预测方法计算最终预测评分。

【技术特征摘要】

【专利技术属性】
技术研发人员：宋树彬，崔永利，吴奔斌，霍晓骏，王伟杰，林雨薇，贺樑，杨燕，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：