This application discloses a collaborative filtering recommendation method and system. The collaborative filtering recommendation method includes: generating a user-item score matrix; grouping all users according to the user-item score matrix using a preset classification algorithm; and calculating any two users under each grouping according to the preset difference calculation method. User's average score difference between items; User's average score difference between items; User's score on items not scored under each group is calculated according to the average score difference between items; User's score matrix is complemented according to the calculation result; Recommended output is made according to the complemented user's score matrix. This application solves the problem that Slope One's product-based collaborative filtering algorithm does not differentiate between users, resulting in low accuracy of recommendation.
【技术实现步骤摘要】
协同过滤推荐方法及系统
本申请涉及一种推荐方法,具体而言,涉及一种协同过滤推荐方法及系统。
技术介绍
随着互联网的发展,人们正处于一个信息爆炸的时代。面对海量的信息数据,如何筛选、过滤出用户感兴趣的信息是推荐系统需要解决、优化的核心问题。为了减少过拟合的发生,简化算法实现,基于SlopeOne算法的易实现的基于物品的协同过滤算法被提了出来。但是在实施这种基于SlopeOne算法的协同过滤算法时专利技术人发现,该系列算法由于没有区分用户之间的差异性,可能会导致一些偏好不同的用户数据一同等参与了计算预测,这样会降低高相似用户的作用效果,降低了推荐的准确性。针对上述问题,专利技术人提出了一种解决方案。
技术实现思路
本申请的主要目的在于提供一种协同过滤推荐方法,以解决基于SlopeOne算法的协同过滤算法由于没有区分用户之间的差异性,导致推荐的准确性较低的问题。为了实现上述目的,根据本申请的一个方面,提供了一种协同过滤推荐方法。根据本申请的协同过滤推荐方法包括:生成用户-物品评分矩阵;根据所述用户-物品评分矩阵采用预设的分类算法对所有的用户进行分组;根据预设的差值计算方法计算每个分组下任意两个物品间的用户平均评分差值;根据物品间的用户平均评分差值计算每个分组下用户对未评分物品的评分,并根据计算结果补全所述用户-物品评分矩阵;根据补全的所述用户-物品评分矩阵进行推荐输出。进一步的,所述根据所述用户-物品评分矩阵采用预设的分类算法对所有的用户进行分组,包括:根据所述用户-物品评分矩阵计算用户间的相似性;根据所述用户间的相似性采用所述预设的分类算法对所有的用户进行分组。进 ...
【技术保护点】
1.一种协同过滤推荐方法,其特征在于,包括:生成用户‑物品评分矩阵;根据所述用户‑物品评分矩阵采用预设的分类算法对所有的用户进行分组;根据预设的差值计算方法计算每个分组下任意两个物品间的用户平均评分差值;根据物品间的用户平均评分差值计算每个分组下用户对未评分物品的评分,并根据计算结果补全所述用户‑物品评分矩阵;根据补全的所述用户‑物品评分矩阵进行推荐输出。
【技术特征摘要】
1.一种协同过滤推荐方法,其特征在于,包括:生成用户-物品评分矩阵;根据所述用户-物品评分矩阵采用预设的分类算法对所有的用户进行分组;根据预设的差值计算方法计算每个分组下任意两个物品间的用户平均评分差值;根据物品间的用户平均评分差值计算每个分组下用户对未评分物品的评分,并根据计算结果补全所述用户-物品评分矩阵;根据补全的所述用户-物品评分矩阵进行推荐输出。2.根据权利要求1所述的协同过滤推荐方法,其特征在于,所述根据所述用户-物品评分矩阵采用预设的分类算法对所有的用户进行分组,包括:根据所述用户-物品评分矩阵计算用户间的相似性;根据所述用户间的相似性采用所述预设的分类算法对所有的用户进行分组。3.根据权利要求1所述的协同过滤推荐方法,其特征在于,所述根据预设的差值计算方法计算每个分组下任意两个物品间的用户平均评分差值,包括:获取第一分组中所有对第一物品和第二物品进行评分的用户的第一物品评分和第二物品评分;根据所述第一物品评分和所述第二物品评分计算出在第一分组中所述第一物品和所述第二物品间的用户平均评分差值。4.根据权利要求1所述的协同过滤推荐方法,其特征在于,所述根据物品间的用户平均评分差值计算每个分组下用户对未评分物品的评分,包括,根据如下公式计算每个分组下用户对未评分物品的评分:此处,uj(k)为第k分组中的用户u对未评分物品j的评分,ui(k)为第k分组中的用户u对物品i的评分,diffi,j(k)为第k分组中物品i和物品j的用户平均评分差值,|U(i)∩U(j)∩Uk|为第k分组中对物品i和物品j都评分的用户数,N(u)为第k分组中的用户u的所有评分物品。5....
【专利技术属性】
技术研发人员:张可,于敬,纪达麒,陈运文,
申请(专利权)人:达而观信息科技上海有限公司,
类型:发明
国别省市:上海,31
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。