【技术实现步骤摘要】
所属
本专利技术涉及互联网个性化推荐领域,尤其涉及一种基于关联规则的协同过滤推荐方法。
技术介绍
信息过载是互联网应用的重要特征和主要挑战,每天有大量的信息发布到网上,使得传统的搜索技术不能满足用户对信息发现的需求,而推荐系统的出现可以更好地帮助用户发现和获取更符合个人需要的信息。个性化推荐根据用户特点和个人偏好,其主要任务是从海量的信息中为目标用户推送感兴趣的内容,随着互联网技术和电子商务的发展,诸如Amazon,淘宝,eBay等都采用了不同形式的推荐系统,针对不同的推荐系统的要求,研究者提出了不同的推荐算法,如协同过滤,聚类方法,关联规则技术等。协同过滤是一种在推荐系统中广泛应用的推荐方法,算法基于“物以类聚”的假设,即目标用户感兴趣的内容可以利用与该用户具有偏好相似的其他用户的感兴趣的内容进行推荐,基于协同过滤的推荐方法在用户评分系统中得到了很好的应用,物品之间的关联直接通过用户建立,省去了对项目的处理过程,当前的协同过滤方法具有两种不同的类型,分别是基于用户的推荐和基于物品的推荐。基于关联规则的推荐更常见于电子商务系统中,并且也被证明行之有效,其实际的意义为购买了一些物品的用户更倾向于购买另一些物品,基于关联规则的推荐系统的首要目标是挖掘出关联规则,也就是那些同时被很多用户购买的物品集合,这些集合内的物品可以相互进行推荐。基于关联规则的推荐系统一般转化率比较高,因为当用户已经购买了频繁集合中的若干项目后,购买该频繁集合中的其他项目的可能性更高。然而挖掘项目集合的关联规则计算量较大,同时也存在用户数据的稀疏性问题,降低了推荐的准确率。【专利技 ...
【技术保护点】
基于关联规则预测的协同过滤推荐方法,其特征在于,包括如下步骤:101根据用户的搜索、浏览行为以及用户的实际反馈,挖掘并获取网站上用户对项目(或产品)的评分数据;102对于无法挖掘或者用户未评分的项目,通过挖掘用户特征与项目特征之间的关联规则来进行预测;103利用用户和项目之间的关联规则,构造用户评分的偏好矩阵;104根据用户偏好矩阵,对稀疏的用户评分矩阵进行预测;105通过改进传统相似度度量的方法,计算用户ui与用户uj之间的相似性,进一步通过用户相似性方法获得目标用户的一组最近邻用户BNS,最终通过BNS获得用户uj对项目tk的推荐评分;106实验评估基于关联规则预测的协同过滤推荐方法。
【技术特征摘要】
1.基于关联规则预测的协同过滤推荐方法,其特征在于,包括如下步骤: 101根据用户的搜索、浏览行为以及用户的实际反馈,挖掘并获取网站上用户对项目(或产品)的评分数据; 102对于无法挖掘或者用户未评分的项目,通过挖掘用户特征与项目特征之间的关联规则来进行预测; 103利用用户和项目之间的关联规则,构造用户评分的偏好矩阵; 104根据用户偏好矩阵,对稀疏的用户评分矩阵进行预测; 105通过改进传统相似度度量的方法,计算用户Ui与用户Uj之间的相似性,进一步通过用户相似性方法获得目标用户的一组最近邻用户BNS,最终通过BNS获得用户+对项目tk的推荐评分; 106实验评估基于关联规则预测的协同过滤推荐方法。2.根据权利要求1所述的方法,其特征在于,所述101还包括包括以下步骤: 101-1提取网站中具体注册用户对某一项目(或产品)阅读、购买或使用后,对该项目(或产品)实际的评价反馈得分数据,将数据映射到用户评分矩阵中; 101-2对于用户未实际反馈评分数据的项目(或产品),分析和挖掘网站日志文件中,用户对该...
【专利技术属性】
技术研发人员:吴雷,阮怀伟,昌磊,
申请(专利权)人:安徽教育网络出版有限公司,
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。