一种融合社会标签相似度基于K近邻的协同过滤推荐系统技术方案

本发明专利技术公开了一种融合社会标签相似度基于K近邻的协同过滤推荐系统，系统包括对社会标签语义相似度的计算方法分析模块、两种社会标签相似度与评分相似度的融合模块和基于K近邻构建协同过滤推荐模块三个部分，分析模块根据项目之间的不同数据源来源，提出了除评分相似度以外的社会标签语义相似度；对社会标签语义相似度的计算，主要包括标签对之间的相似度计算和标签集合之前的相似度计算；融合模块中两种社会标签相似度与评分相似度的融合方式包括按比例融合和以权重的方式融合两种；最后将融合后的相似度度量基于K近邻来构建协同过滤推荐系统。本发明专利技术将社会标签数据信息和用户－项目评分数据信息进行融合，从而达到提高推荐精度的目的。

【技术实现步骤摘要】

本专利技术属于数据挖掘的
，具体涉及一种融合了社会标签相似度基于K近邻的协同过滤推荐系统，适用于推荐结果的优化。
技术介绍
个性化推荐系统根据用户个人不同的兴趣爱好进行推荐，通常这种系统使用协同过滤技术来实现。在协同过滤推荐系统中，用户对不同项目的喜好以一个用户-项目评分矩阵来表示，越高的评分表明了用户对项目更强的兴趣。协同过滤技术使用已有的数据，处理和完成这个矩阵中缺失数据的估计问题。构造协同过滤推荐系统时最常用的两类模型是近邻关系模型和隐向量模型。近邻关系模型构建用户与用户或者项目与项目之间的邻居关系，使用用户或项目邻居之间已有的评分数据来做出评分预测。近邻关系模型使用和集成起来更加简单明了，其具备更高的灵活性，推荐结果也更加直观和易于理解。本专利技术一种融合社会标签相似度基于K近邻的协同过滤推荐系统采用近邻关系模型。本专利技术通过融合社会标签网络中的语义信息来优化基于K近邻模型的协同过滤算法。现有的系统只考虑了社会标签网络信息或者简单直接地使用了社会标签网络信息和评分数据。本系统旨在通过多数据源融合来优化传统的K近邻模型。系统使用社会标签网络的语义信息作为项目的相似度支本文档来自技高网...

【技术保护点】
一种融合社会标签相似度基于K近邻的协同过滤推荐系统，其特征在于：具体包括：（一）社会标签语义相似度的计算方法分析模块该分析模块首先在给定的包含|I|个项目的社会标签数据上对标签信息进行分析，过滤，去重预处理，其中，I是项目集合，|I|代表项目集合I的个数；然后计算标签与标签之间的语义相似度，最后定义了标签集合之间的语义相似度的计算方法，作为两个项目之间的社会标签相似度；标签与标签的相似度使用WordNet中的Wu?and?Palmers算法定义：SimWP(c1,c2)=2×depth(lso(c1,c2))len(c1,c2)+2×depth(lso(c1,c2))-...

【技术特征摘要】
1.一种融合社会标签相似度基于K近邻的协同过滤推荐系统，其特征在于:具体包括: (一)社会标签语义相似度的计算方法分析模块 该分析模块首先在给定的包含III个项目的社会标签数据上对标签信息进行分析，过滤，去重预处理，其中，I是项目集合，Iil代表项目集合I的个数；然后计算标签与标签之间的语义相似度，最后定义了标签集合之间的语义相似度的计算方法，作为两个项目之间的社会标签相似度； 标签与标签的相似度使用WordNet中的Wu a...

【专利技术属性】
技术研发人员：欧阳元新，顾毅，李日藩，熊璋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：