模糊K邻近的推荐方法和装置、电子设备以及存储介质制造方法及图纸

本发明专利技术提供的模糊K邻近的推荐方法和装置、电子设备以及存储介质，该方法包括：根据预获取的个人信息矩阵得到用户‑用户个人信息相似度矩阵；根据预获取的用户‑项目评分矩阵获取用户‑用户相似度权重系数矩阵以及用户‑用户模糊相似度矩阵；根据所述用户‑用户个人信息相似度矩阵、所述用户‑用户相似度权重系数矩阵以及所述用户‑用户模糊相似度矩阵获取用户‑用户综合相似度矩阵；将所述用户‑用户综合相似度矩阵以及被推荐用户标识输入预获取的KNN模型得到与所述被推荐用户相似度满足预设条件的用户；根据与所述被推荐用户相似度满足预设条件的用户的评分信息向所述被推荐用户推荐产品，提高了推荐准确度。

【技术实现步骤摘要】
模糊K邻近的推荐方法和装置、电子设备以及存储介质
本专利技术涉及人工智能
，尤其涉及一种模糊K邻近的推荐方法和装置、电子设备以及存储介质。
技术介绍
随着信息技术的发展，数据信息呈几何级的增长，大量数据信息经常会导致用户迷失，无法顺利找到自己需要的信息，造成很多不便。推荐系统基于数据挖掘、协同过滤等技术，帮助用户推荐需要的信息，一经提出，便成为研究热点。多年来，技术人员研发出多种不同的推荐系统。推荐系统常用的推荐算法有基于内容的推荐、协同过滤推荐、基于管理规则推荐等，但是，现有推荐算法往往考虑的因素比较片面，导致推荐的准确度不高。
技术实现思路
针对现有技术中的问题，本专利技术提供一种模糊K邻近的推荐方法和装置、电子设备以及存储介质，能够至少部分地解决现有技术中存在的问题。为了实现上述目的，本专利技术采用如下技术方案：第一方面，提供一种模糊K邻近的推荐方法，包括：根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵；根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵；根据该用户-用户个人信息相似度矩阵、该用户-用户相似度权重系数矩阵以及该用户-用户模糊相似度矩阵获取用户-用户综合相似度矩阵；将该用户-用户综合相似度矩阵以及被推荐用户标识输入预获取的KNN模型得到与该被推荐用户相似度满足预设条件的用户；根据与该被推荐用户相似度满足预设条件的用户的评分信息向该被推荐用户推荐产品。进一步地，模糊K邻近的推荐方法还包括：根据海量的用户个人信息以及评分信息获取个人信息矩阵和用户-项目评分矩阵。进一步地，该根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵，包括：对该用户-项目评分矩阵进行相似度权重系数计算得到该用户-用户相似度权重系数矩阵；对该用户-项目评分矩阵进行模糊化和模糊相似度处理得到该用户-用户模糊相似度矩阵。进一步地，该对该用户-项目评分矩阵进行模糊化和模糊相似度处理得到该用户-用户模糊相似度矩阵，包括：将该用户-项目评分矩阵中的原始评分模糊成一组三角模糊数，得到模糊用户-项目评分矩阵；利用模糊相似度度量技术对该模糊用户-项目评分矩阵进行计算得到该用户-用户模糊相似度矩阵。进一步地，该模糊相似度度量技术为模糊均方差相似度度量技术、模糊余弦相似度度量技术或模糊Pearson相似度度量技术。进一步地，该对该用户-项目评分矩阵进行相似度权重系数计算得到该用户-用户相似度权重系数矩阵采用相似度权重系数计算公式实现，该相似度权重系数计算公式为：其中，Jaccard(u1,u2)为用户u1和用户u2之间的相似度权重系数，表示用户u1评价过的产品，表示用户u2评价过的产品，表示用户u1和用户u2均评价过的产品的种类；表示用户u1和用户u2评价过的所有产品的种类。进一步地，该根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵，采用如下公式：其中，Uinf_sim(u1,u2)为用户u1和用户u2之间的个人信息相似度，A12为用户u1和用户u2之间的年龄差，k为常数，G12为用户u1和用户u2之间的性别差，用户u1和用户u2性别相同取0，用户u1和用户u2性别不同取1，P12为用户u1和用户u2之间的职业差，用户u1和用户u2职业相同取0，用户u1和用户u2职业不同取1，O12为其他信息差。进一步地，该根据该用户-用户个人信息相似度矩阵、该用户-用户相似度权重系数矩阵以及该用户-用户模糊相似度矩阵获取用户-用户综合相似度矩阵，采用如下公式：u_sim(u1,u2)＝(1-α)fuzzy_sim(u1,u2)+α·Uinf_sim(u1,u2)U_sim(u1,u2)＝Jaccrad(u1,u2)·u_sim(u1,u2)其中，α为常数，且α∈[0,1]，代表模糊相似度和个人信息相似度在综合相似度里所占比例；Jaccrad(u1,u2)为用户u1和用户u2之间的相似度权重系数，u_sim(u1,u2)表示用户u1和用户u2之间的加权相似度，fuzzy_sim(u1,u2)表示用户u1和用户u2之间的模糊相似度，Uinf_sim(u1,u2)为用户u1和用户u2之间的综合相似度。第二方面，提供一种模糊K邻近的推荐装置，包括：个人相似度获取模块，根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵；模糊相似度和系数获取模块，根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵；加权计算模块，根据该用户-用户个人信息相似度矩阵、该用户-用户相似度权重系数矩阵以及该用户-用户模糊相似度矩阵获取用户-用户综合相似度矩阵；聚类模块，将该用户-用户综合相似度矩阵以及被推荐用户标识输入预获取的KNN模型得到与该被推荐用户相似度满足预设条件的用户；推荐模块，根据与该被推荐用户相似度满足预设条件的用户的评分信息向该被推荐用户推荐产品。进一步地，该模糊K邻近的推荐装置还包括：数据预处理模块，根据海量的用户个人信息以及评分信息获取个人信息矩阵和用户-项目评分矩阵。进一步地，该模糊相似度和系数获取模块包括：权重系数计算单元，对该用户-项目评分矩阵进行相似度权重系数计算得到该用户-用户相似度权重系数矩阵；模糊相似度计算单元，对该用户-项目评分矩阵进行模糊化和模糊相似度处理得到该用户-用户模糊相似度矩阵。进一步地，该模糊相似度计算单元包括：模糊处理子单元，将该用户-项目评分矩阵中的原始评分模糊成一组三角模糊数，得到模糊用户-项目评分矩阵；模糊相似度计算子单元，利用模糊相似度度量技术对该模糊用户-项目评分矩阵进行计算得到该用户-用户模糊相似度矩阵。进一步地，该模糊相似度度量技术为模糊均方差相似度度量技术、模糊余弦相似度度量技术或模糊Pearson相似度度量技术。第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的模糊K邻近的推荐方法的步骤。第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的模糊K邻近的推荐方法的步骤。本专利技术提供的模糊K邻近的推荐方法和装置、电子设备以及存储介质，该方法包括：根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵；根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵；根据所述用户-用户个人信息相似度矩阵、所述用户-用户相似度权重系数矩阵以及所述用户-用户模糊相似度矩阵获取用户-用户综合相似度矩阵；将所述用户-用户综合相似度矩阵以及被推荐用户标识输入预获取的KNN模型得到与所述被推荐用户相似度满足预设条件的用户；根据本文档来自技高网...

【技术保护点】
1.一种模糊K邻近的推荐方法，其特征在于，包括：/n根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵；/n根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵；/n根据所述用户-用户个人信息相似度矩阵、所述用户-用户相似度权重系数矩阵以及所述用户-用户模糊相似度矩阵获取用户-用户综合相似度矩阵；/n将所述用户-用户综合相似度矩阵以及被推荐用户标识输入预获取的KNN模型得到与所述被推荐用户相似度满足预设条件的用户；/n根据与所述被推荐用户相似度满足预设条件的用户的评分信息向所述被推荐用户推荐产品。/n

【技术特征摘要】
1.一种模糊K邻近的推荐方法，其特征在于，包括：
根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵；
根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵；
根据所述用户-用户个人信息相似度矩阵、所述用户-用户相似度权重系数矩阵以及所述用户-用户模糊相似度矩阵获取用户-用户综合相似度矩阵；
将所述用户-用户综合相似度矩阵以及被推荐用户标识输入预获取的KNN模型得到与所述被推荐用户相似度满足预设条件的用户；
根据与所述被推荐用户相似度满足预设条件的用户的评分信息向所述被推荐用户推荐产品。


2.根据权利要求1所述的模糊K邻近的推荐方法，其特征在于，还包括：
根据海量的用户个人信息以及评分信息获取个人信息矩阵和用户-项目评分矩阵。


3.根据权利要求1所述的模糊K邻近的推荐方法，其特征在于，所述根据预获取的用户-项目评分矩阵获取用户-用户相似度权重系数矩阵以及用户-用户模糊相似度矩阵，包括：
对所述用户-项目评分矩阵进行相似度权重系数计算得到所述用户-用户相似度权重系数矩阵；
对所述用户-项目评分矩阵进行模糊化和模糊相似度处理得到所述用户-用户模糊相似度矩阵。


4.根据权利要求3所述的模糊K邻近的推荐方法，其特征在于，所述对所述用户-项目评分矩阵进行模糊化和模糊相似度处理得到所述用户-用户模糊相似度矩阵，包括：
将所述用户-项目评分矩阵中的原始评分模糊成一组三角模糊数，得到模糊用户-项目评分矩阵；
利用模糊相似度度量技术对所述模糊用户-项目评分矩阵进行计算得到所述用户-用户模糊相似度矩阵。


5.根据权利要求4所述的模糊K邻近的推荐方法，其特征在于，所述模糊相似度度量技术为模糊均方差相似度度量技术、模糊余弦相似度度量技术或模糊Pearson相似度度量技术。


6.一种模糊K邻近的推荐装置，其特征在于，包括：
个人相似度获取模块，根据预获取的个人信息矩阵得到用户-用户个人信息相似度矩阵；
模糊相似度和系数获取模块，根据预获取的用户-项目评分矩...

【专利技术属性】
技术研发人员：聂文俊，王伟权，郑显凌，郭锡超，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11