一种用于提高个性化推荐系统多样性的方法技术方案

本发明专利技术公开了一种提高个性化推荐系统多样性的方法，其具体为：首先获取用户评分数据集，然后在评分数据集上使用上述三种常用推荐算法进行推荐，接下来对推荐结果进行阈值控制与排序，再将最终结果呈现给用户。通过对推荐结果进行重新排序，能够改变最终推荐结果的列表内容，从而能够提高系统多样性，同时在排序时使用阈值控制的方法，使得推荐物品尽可能为用户所喜欢物品，保证推荐系统的预测准确度。实验结果表明，相对于现有的个性化推荐系统方法，本发明专利技术所提出的方法能够在较少降低预测准确度的情况下，大幅度提高系统多样性，达到控制系统准确度和多样性平衡的目的。

Method for improving diversity of personalized recommendation system

The invention discloses a method for improving the individual diversity of the recommended system, the details are as follows: firstly, to obtain the user rating data set, and then use the above three kinds of recommendation algorithms in score data sets were recommended, then threshold control and sorting of the recommended results, then the final results are presented to the user. The recommended results are rearranged to change the list of contents of the final recommendation, which can improve the system diversity, while using the method of threshold control when sorting, the recommended items as possible for users love items, to ensure the accuracy of the prediction of recommendation system. The experimental results show that compared with the existing methods of personalized recommendation system, this method can reduce the prediction accuracy in fewer cases, greatly improve the system diversity, to control the accuracy and diversity of the purpose of balance.

【技术实现步骤摘要】

本专利技术属互联网、移动互联网和计算机网络领域，更具体地，涉及一种用于提高个性化推荐系统多样性的方法。
技术介绍
由于网络零售商领域存在着长尾效应，即商家销售额的百分之八十来自于其百分之二十的商品，而如果能够提零售商长尾物品的销售，那么网络零售商的营业额将成倍增长，且能满足用户独特偏好。因此近年来，结合计算机网络技术和大数据处理技术的个性化推荐系统在电子商务领域中逐步引起了人们的高度重视，并获得了广泛的应用。个性化推荐系统是为了实现基于用户的个人兴趣的信息过滤，个性化推荐系统是一个信息过滤系统，对用户的相关信息和数据进行分析和挖掘，从而发现用户兴趣所在，找到用户隐含的需求，然后为其推荐。通过长尾理论可知，如果商家所提供的服务或商品能够完美满足用户的个性化需求，用户对商家满意度和信任度都极高，那么必然会给商家带来巨大的利润，而个性化推荐系统是商家用于满足用户的个性化需求的重要手段，同时个性化推荐系统也是解决互联网零售商的长尾现象的重要手段。目前所广泛采用的用于个性化推荐系统的方法有基于用户的协同过滤方法、以及基于物品的协同过滤方法。针对基于用户的协同过滤方法而言，那些与某些相同物品有交互的用户被认为处于同一个邻域中。根据一些统计数据，如果在过去用户具有相似的偏好，那么在未来他们将继续拥有相似的偏好。如果有一个用户购买或者评价了一个新物品，那么这个物品将被推荐给该用户的邻居用户，该方法主要针对如何为大规模的用户进行推荐和计算用户之间的相似度。然而，该方法的缺陷在于，该方法并未考虑推荐系统的多样性问题，从而导致互联网零售商的长尾物品滞销。基于物品的协同过滤方法和上述基于用户的协同过滤方法基本相同，其区别在于，其需要计算物品的相似度，而非计算用户的相似度。然而该算法也未能考虑推荐系统的多样性问题，同样会导致互联网零售商的长尾物品滞销。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种用于提高个性化推荐系统多样性的方法，其目的在于，解决现有方法中存在的未考虑个性化推荐系统中的多样性，从而导致互联网零售商的长尾物品滞销的技术问题。为实现上述目的，按照本专利技术的一个方面，提供了一种提高个性化推荐系统多样性的方法，包括以下步骤：(1)从网站获取用户评分数据集，并且将该用户评分数据集以文本的方式进行存储，该用评分数据集中包括有用户ID、该用户ID对应的物品ID、以及该用户对该物品的评分值；(2)使用用于个性化推荐系统的推荐算法对步骤(1)获取的用户评分数据集进行预测和推荐处理，从而为用户评分数据集中的多个用户分别生成对应的推荐列表，该推荐列表中包括有用户ID、该用户ID对应的物品ID、以及该用户对该物品的预测评分值；(3)对用户评分数据集，求取其物品的流行程度，该流行程度是由对该物品进行评价的用户的人数、用户对该物品的评分值决定，将用户对物品的预测评分值与控制阈值进行比较，将大于或等于控制阈值的预测评分值对应的物品的流行程度进行排序，以得到最终的排序结果；(4)取排序结果中前端的多个结果作为推荐列表反馈给用户。优选地，步骤(2)具体包括以下子步骤：(2-1)根据获取的用户评分数据集，计算所有用户之间的相似度： s i m ( a , b ) = Σ p ∈ P R ( a , p ) R ( b , p ) Σ p ∈ P R ( a , p ) 2 Σ p ∈ P R ( b , p ) 2 ]]>其中sim(a,b)表示用户a和b之间的相似度，P表示所有物品的集合，p表示集合P中的物品，R(a,p)和R(b,p)分别表示用户a和用户b对于物品p的评分值；(2-2)对于每个用户而言，选取与该用户相似度最高的前K个用户作为该用户的邻居用户，其中K是50到300之间的整数；(2-3)对于每个用户而言，对其K个邻居用户评分过的物品的评分值进行分析，以预测出该用户最有可能打高分的多个物品，并将该用户可能打高分的这些物品推荐给用户。优选地，步骤(2-3)具体使用以下公式： R * ( u , i ) = R ( u ) ‾ + kΣ v ∈ N ( u ) ( R ( v , i ) - R ( 本文档来自技高网...

【技术保护点】
一种提高个性化推荐系统多样性的方法，其特征在于，包括以下步骤：(1)从网站获取用户评分数据集，并且将该用户评分数据集以文本的方式进行存储，该用评分数据集中包括有用户ID、该用户ID对应的物品ID、以及该用户对该物品的评分值；(2)使用用于个性化推荐系统的推荐算法对步骤(1)获取的用户评分数据集进行预测和推荐处理，从而为用户评分数据集中的多个用户分别生成对应的推荐列表，该推荐列表中包括有用户ID、该用户ID对应的物品ID、以及该用户对该物品的预测评分值；(3)对用户评分数据集，求取其物品的流行程度，该流行程度是由对该物品进行评价的用户的人数、用户对该物品的评分值决定，将用户对物品的预测评分值与控制阈值进行比较，将大于或等于控制阈值的预测评分值对应的物品的流行程度进行排序，以得到最终的排序结果；(4)取排序结果中前端的多个结果作为推荐列表反馈给用户。

【技术特征摘要】
1.一种提高个性化推荐系统多样性的方法，其特征在于，包括以下步骤：(1)从网站获取用户评分数据集，并且将该用户评分数据集以文本的方式进行存储，该用评分数据集中包括有用户ID、该用户ID对应的物品ID、以及该用户对该物品的评分值；(2)使用用于个性化推荐系统的推荐算法对步骤(1)获取的用户评分数据集进行预测和推荐处理，从而为用户评分数据集中的多个用户分别生成对应的推荐列表，该推荐列表中包括有用户ID、该用户ID对应的物品ID、以及该用户对该物品的预测评分值；(3)对用户评分数据集，求取其物品的流行程度，该流行程度是由对该物品进行评价的用户的人数、用户对该物品的评分值决定，将用户对物品的预测评分值与控制阈值进行比较，将大于或等于控制阈值的预测评分值对应的物品的流行程度进行排序，以得到最终的排序结果；(4)取排序结果中前端的多个结果作为推荐列表反馈给用户。2.根据权利要求1所述的方法，其特征在于，步骤(2)具体包括以下子步骤：(2-1)根据获取的用户评分数据集，计算所有用户之间的相似度：其中sim(a,b)表示用户a和b之间的相似度，P表示所有物品的集合，p表示集合P中的物品，R(a,p)和R(b,p)分别表示用户a和用户b对于物品p的评分值；(2-2)对于每个用户而言，选取与该用户相似度最高的前K个用户作 为该用户的邻居用户，其中K是50到300之间的整数；(2-3)对于每个用户而言，对其K个邻居用户评分过的物品的评分值进行分析，以预测出该用户最有可能打高分的多个物品，并将该用户可能打高分的这些物品推荐给用户。3.根据权利要求2所述的方法，其特征在于，步骤(2-3)具体使用以下公式：其...

【专利技术属性】
技术研发人员：李方敏，栾悉道，龙妍，
申请(专利权)人：长沙学院，
类型：发明
国别省市：湖南;43