基于融合改进模糊聚类和兴趣衰减的商品推荐方法技术

本发明专利技术公开了一种基于融合改进模糊聚类和兴趣衰减的商品推荐方法。本发明专利技术在ALS协同过滤算法的基础上，先提出NCG‑ALS算法对稀疏矩阵填充，再利用EP算法优化对项目的模糊聚类，深入挖掘簇集内项目特征，进而引入时间衰减函数来量化用户的兴趣度的权重，进而来改进项目相似度的计算，最后把Top N项目表推荐目标用户。本发明专利技术方法运算速度快，收敛性好，精确度高。

【技术实现步骤摘要】
基于融合改进模糊聚类和兴趣衰减的商品推荐方法
本专利技术涉及推荐系统
，具体涉及一种基于融合改进模糊聚类和兴趣衰减的NCG-ALS+IBCF算法的商品推荐方法。
技术介绍
伴随着信息化的快速发展，我们已经进入了信息爆炸的时代，越来越多的新的信息被创造。面对信息过载的诸多问题，个性化推荐系统应运而生。推荐系统诞生至今虽然已有二十年有余，目前依旧是国内外学术界和工业界热门的研究课题之一。个性化推荐系统主要分为基于内容的推荐、基于流行度的推荐、基于关联规则的推荐和基于协同过滤的推荐。其中协同过滤算法是在当今学术界和工业界研究和应用最广泛同时也是最成功的推荐算法之一。协同过滤算法是基于用户行为的推荐方式，关于用户行为可以是过去对商品的浏览、购买和评分等。其中协同过滤算法的逻辑通俗的说是：“和你有相似爱好的人感兴趣的信息，也是你感兴趣的”或者“和你感兴趣的信息类似的信息，你也感兴趣”，这也就是协同算法中UBCF和IBCF的算法思想(YinF.Sparsity-toleratedalgorithmwithmissingvaluer-ecoveringinuser-basedcollaborativefilteringrecommendation[J].JournalofInformation&ComputationalScience,2013,10(15):4939-4948.SarwarB,KarypisG,KonstanJ,RiedlJ.Item-Basedcollaborativefilteringrecommendationalgorithms.In:Proceedingsofthe10thInternationalWorldWideWebConference.2001.285～295)。协同过滤算法被人们运用在个性化推荐领域虽取得了较大的成功，但是随着用户量的增多以及项目量的迅速增长，最近邻的确定需要大规模的运算与较长的时间耗费的问题；同时，在巨大数据量中实际只有较少部分用户活跃在较少的项目中，因此面临着矩阵稀疏、冷启动的问题。邓等人提出聚类的方法，结合协同过滤算法，解决了数据稀疏行的问题(邓爱林，左子页，周扬勇.基于项目聚类的协同过滤推荐算法[J].小型微型计算机系统，2004，25(9):1665-1670)；BillsusD等人提出通过SVD算法进行矩阵分解，将原来的评分矩阵分解为用户因子矩阵和项目因子矩阵的乘积，解决了矩阵数据稀疏的问题(BillsusD,PazzaniMJ.Learningcollaborativeinformatio-nfilters[c]//Proceedingsofthe15thInternational(Confere-nceonMachineLearning.SanFrancisco:MorganKaufmannPublishers，1998:46—54)；SimonFunk等人提出增量SVD算法，在SVD算法基础优化了均方根误差来评测训练模型的效果。PilaszyI等人提出利用ALS算法解决了SVD算法难以处理缺失项问题(PilaszyI,ZibriczkyD,TikkD.FastALS-basedmatrixfactorizationforexplicitandimplicitfeedbackdatasets[C]//Pro-ceedingsofthefourthACMconferenceonrecommende-rsystems.NewYork:ACM,2010:71-78)；后来ZhouY等人通过对ALS算法进行改进，提出加权正则交替ALS算法，通过置信权重来处理用户偏好及不确信用户的推荐情况(ZhouY,DennisWilkinson,RobertSchreiber,andRon-gPan.Large-ScaleParallelCollaborativ-eFilteringfortheNetflixPrize[J].LectureNotesinComputerScience,2008,5034；337-348)；Wang等从用户的角度出发，以评分数据库为基础，利用K-Means算法对用户进行聚类，有效地缓解数据稀疏性问题并提高了推荐精确度(WANGZ,YuX,FENGN.Animprovedcollaborati-vemovierecommendationsystemusingcomputationalintell-igence[J].Journalofvisuallanguages&computing,2014,25(6):667-675)；陈婷等人提出融合社交网络信任度的推荐算法，形成高效、统一的可信推荐模型Trust-PMF，增强了推荐效果(陈婷，朱青，周梦溪，王珊.社交网络环境下基于信任的推荐算法[J].软件学报，2017，28(3):721-731)；林建辉等人提出基于奇异值分解与模糊聚类的CF算法，通过缩小最近邻搜索范围来提高推荐效果(林建辉,严宣辉,黄波.基于SVD与模糊聚类的协同过滤推荐算法[J].计算机系统应用,2016,25(11):156-163)。然而以上研究大多数是就考虑到用户间、项目间的显性反馈信息，默认用户兴趣等一些隐形反馈信息永恒不变，而忽略了时间对用户兴趣的减损因素。时间对兴趣的影响能直接影响到用户对项目的交互，从而成为推荐算法精确度的重要影响因子。当前较多研究仅是单一的改善了系统过滤算法中的一些缺陷，通过矩阵分解或者结合社交关系解决稀疏性的问题而忽略冷启动的问题，或是通过用户聚类解决冷启动的问题而忽略可拓展性的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于融合改进模糊聚类和兴趣衰减的NCG-ALS+IBCF算法的商品推荐方法，能够解决传统的协同过滤算法矩阵稀疏时推荐精确度低及计算量级大且耗时的问题。本专利技术的基于融合改进模糊聚类和兴趣衰减的推荐方法，包括如下步骤：步骤一，基于NCG-ALS对原始的用户-商品项目评分矩阵R进行矩阵分解：对原始的用户-商品项目评分矩阵R进行ALS分解，其中，ALS的每次迭代后，采用NCG算法通过线性搜索法，找到的此方向最小值点作为ALS的下次迭代的迭代点；步骤二，采用EP-FCM聚类算法对原始的用户-商品项目评分矩阵中所有商品项目进行聚类，并建立商品项目类别索引矩阵：采用EP算法对所述所有商品项目进行聚类，得到各聚类中心；采用FCM聚类算法，以EP算法得到的各聚类中心为中心，对所述所有商品项目进行聚类；步骤三，针对步骤二得到的各个聚类类别，采用兴趣衰减函数计算用户对该类别商品项目的兴趣度，并以兴趣度作为当前用户对该商品项目的评分值；对当前所有类别的商品项目评分进行标准化处理，挑选出用户现阶段感兴趣的商品项目类别；步骤四，对步骤三确定的用户现阶段感兴趣的商品项目类别，利用皮尔逊相似度计算方法求出待推荐商品项与用户历史商品项之间的相似度，建立待推荐商品项与历史商品项之间的相似性矩阵，进而得到商品项目相似矩阵的特征向量；步骤五本文档来自技高网...

【技术保护点】
1.一种基于融合改进模糊聚类和兴趣衰减的推荐方法，其特征在于，包括如下步骤：/n步骤一，基于NCG-ALS对原始的用户-商品项目评分矩阵R进行矩阵分解：/n对原始的用户-商品项目评分矩阵R进行ALS分解，其中，ALS的每次迭代后，采用NCG算法通过线性搜索法，找到的此方向最小值点作为ALS的下次迭代的迭代点；/n步骤二，采用EP-FCM聚类算法对原始的用户-商品项目评分矩阵中所有商品项目进行聚类，并建立商品项目类别索引矩阵：/n采用EP算法对所述所有商品项目进行聚类，得到各聚类中心；采用FCM聚类算法，以EP算法得到的各聚类中心为中心，对所述所有商品项目进行聚类；/n步骤三，针对步骤二得到的各个聚类类别，采用兴趣衰减函数计算用户对该类别商品项目的兴趣度，并以兴趣度作为当前用户对该商品项目的评分值；对当前所有类别的商品项目评分进行标准化处理，挑选出用户现阶段感兴趣的商品项目类别；/n步骤四，对步骤三确定的用户现阶段感兴趣的商品项目类别，利用皮尔逊相似度计算方法求出待推荐商品项与用户历史商品项之间的相似度，建立待推荐商品项与历史商品项之间的相似性矩阵，进而得到商品项目相似矩阵的特征向量；/n步骤五，根据步骤四得到的相似矩阵及其特征向量，采用IBCF算法预测用户对待推荐商品项的评分并按从大到小的顺序排序，选取前N个待推荐商品项为推荐集。/n...

【技术特征摘要】
1.一种基于融合改进模糊聚类和兴趣衰减的推荐方法，其特征在于，包括如下步骤：
步骤一，基于NCG-ALS对原始的用户-商品项目评分矩阵R进行矩阵分解：
对原始的用户-商品项目评分矩阵R进行ALS分解，其中，ALS的每次迭代后，采用NCG算法通过线性搜索法，找到的此方向最小值点作为ALS的下次迭代的迭代点；
步骤二，采用EP-FCM聚类算法对原始的用户-商品项目评分矩阵中所有商品项目进行聚类，并建立商品项目类别索引矩阵：
采用EP算法对所述所有商品项目进行聚类，得到各聚类中心；采用FCM聚类算法，以EP算法得到的各聚类中心为中心，对所述所有商品项目进行聚类；
步骤三，针对步骤二得到的各个聚类类别，采用兴趣衰减函数计算用户对该类别商品项目的兴趣度，并以兴趣度作为当前用户对该商品项目的评分值；对当前所有类别的商品项目评分进行标准化处理，挑选出用户现阶段感兴趣的商品项目类别；
步骤四，对步骤三确定的用户现阶段感兴趣的商品项目类别，利用皮尔逊相似度计算方法求出待推荐...

【专利技术属性】
技术研发人员：石朋，樊延武，
申请(专利权)人：中国电子科技集团公司第十五研究所，
类型：发明
国别省市：北京;11