一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法
【專利摘要】本發(fā)明公開了一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法，包括以下步驟：1)將用戶—項目網(wǎng)絡(luò)轉(zhuǎn)換為鄰接矩陣形式，如果用戶對項目評分，那么對應(yīng)于矩陣的相應(yīng)元素就存在值，即評分?jǐn)?shù)據(jù)；2)構(gòu)造用戶—用戶矩陣，用戶—用戶矩陣中的元素為用戶與用戶的相似度，相似度的計算方法采用新型的基于Pearson的相似度計算方法；3)基于用戶—用戶矩陣通過社區(qū)發(fā)現(xiàn)方法發(fā)現(xiàn)社區(qū)結(jié)構(gòu)，并對用戶—項目矩陣中的部分缺失評分進(jìn)行預(yù)測填充；4)計算目標(biāo)用戶與社區(qū)之間以及用戶與用戶之間的相似度關(guān)系構(gòu)造最近鄰候選集，并完成推薦。該方法有效的解決了傳統(tǒng)過濾算法中的冷啟動問題，通過改進(jìn)相似度計算公式以及對缺失評分的預(yù)測填充有效提高了算法推薦的精度，在平均絕對誤差上也有著更好的表現(xiàn)。
【專利說明】一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于通信【技術(shù)領(lǐng)域】，涉及一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法。
【背景技術(shù)】
[0002]目前，在現(xiàn)實生活中，人們每天所接收的信息量越來越大，人們在享受信息便捷的同時也慢慢的被各種不需要的信息所圍繞。信息的繁雜使得人們沒有辦法在較短的時間內(nèi)找到自己需要的信息，個性化的推薦服務(wù)由此而產(chǎn)生。個性化的推薦服務(wù)不但免去了用戶在大量商品中尋找心儀商品的煩惱，也給用戶帶來了更好地購物體驗。
[0003]除了協(xié)同過濾推薦算法之外，還有一些基于協(xié)同過濾的算法也可以取得比較好的劃分效果，例如，施榮杰、王守軍等人提出的基于物品分類和用戶分類的協(xié)同過濾推薦方法；李莉、魏寶軍等人提出的基于區(qū)域特征的協(xié)同過濾推薦方法；羅辛、歐陽元新等人提出的一種通過聚合對協(xié)同過濾推薦系統(tǒng)進(jìn)行優(yōu)化的方法等等。除此之外，楊博、雷余等人提出的基于信任的社會化協(xié)同過濾推薦方法；樊博、宿紅毅等人提出的一種基于擴(kuò)展特征向量的個性化協(xié)同過濾推薦方法等對協(xié)同過濾算法的不足以及改進(jìn)點都做了很好的闡述，但是關(guān)于協(xié)同過濾算法的研究仍存在著一些缺點。
[0004]基于上述的一些協(xié)同過濾相關(guān)算法，雖然解決了推薦過濾算法中存在一些問題，但是在最近鄰候選集選取以及用戶相似度計算等方面，還是存在著一些不足，本發(fā)明提出了一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾算法，旨在更好的提高推薦算法的推薦準(zhǔn)確度，本發(fā)明在實際經(jīng)典MovieLens測試數(shù)據(jù)集中進(jìn)行測試時，算法性能穩(wěn)定高效、準(zhǔn)確度高，將算法用于后續(xù)的協(xié)同過濾推薦中具有非常重要的意義以及廣闊的應(yīng)用前景。

【發(fā)明內(nèi)容】

[0005]有鑒于此，本發(fā)明的目的在于提供一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法，該方法通過計算用戶與用戶之間的相似度，將用戶一項目網(wǎng)絡(luò)轉(zhuǎn)換為用戶一用戶網(wǎng)絡(luò)，然后將社區(qū)發(fā)現(xiàn)算法適用于用戶一用戶網(wǎng)絡(luò)得到相應(yīng)的社區(qū)結(jié)構(gòu)。根據(jù)得到的社區(qū)結(jié)構(gòu)進(jìn)行缺失評分的預(yù)測填充以及最近鄰候選集的選取，最后預(yù)測用戶對項目的評分。
[0006]為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案:
[0007]—種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法，包括以下步驟:1)將用戶一項目網(wǎng)絡(luò)轉(zhuǎn)換為鄰接矩陣形式，如果用戶對項目評分，那么對應(yīng)于矩陣的相應(yīng)元素就存在值，即評分?jǐn)?shù)據(jù)；
2)構(gòu)造用戶一用戶矩陣，用戶一用戶矩陣中的元素為用戶與用戶的相似度，相似度的計算方法采用新型的基于Pearson的相似度計算方法；3)基于用戶一用戶矩陣通過社區(qū)發(fā)現(xiàn)方法發(fā)現(xiàn)社區(qū)結(jié)構(gòu)，并對用戶一項目矩陣中的部分缺失評分進(jìn)行預(yù)測填充；4)計算目標(biāo)用戶與社區(qū)之間以及用戶與用戶之間的相似度關(guān)系構(gòu)造最近鄰候選集，并完成推薦。
[0008]進(jìn)一步，在步驟2)中，利用用戶一項目網(wǎng)絡(luò)構(gòu)造用戶一用戶網(wǎng)絡(luò)，用戶一用戶網(wǎng)絡(luò)所對應(yīng)的用戶一用戶鄰接矩陣中的元素為用戶之間的相似度，將新的相似度計算公式命名為Pearsimilarity,其具體的計算方法如下:
【權(quán)利要求】
1.一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法，其特征在于:包括以下步驟: 1)將用戶一項目網(wǎng)絡(luò)轉(zhuǎn)換為鄰接矩陣形式，如果用戶對項目評分，那么對應(yīng)于矩陣的相應(yīng)元素就存在值，即評分?jǐn)?shù)據(jù)； 2)構(gòu)造用戶一用戶矩陣，用戶一用戶矩陣中的元素為用戶與用戶的相似度，相似度的計算方法采用新型的基于Pearson的相似度計算方法； 3)基于用戶一用戶矩陣通過社區(qū)發(fā)現(xiàn)方法發(fā)現(xiàn)社區(qū)結(jié)構(gòu)，并對用戶一項目矩陣中的部分缺失評分進(jìn)行預(yù)測填充； 4)計算目標(biāo)用戶與社區(qū)之間以及用戶與用戶之間的相似度關(guān)系構(gòu)造最近鄰候選集，并完成推薦。
2.根據(jù)權(quán)利要求1所述的一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法，其特征在于:在步驟2)中，利用用戶一項目網(wǎng)絡(luò)構(gòu)造用戶一用戶網(wǎng)絡(luò)，用戶一用戶網(wǎng)絡(luò)所對應(yīng)的用戶一用戶鄰接矩陣中的元素為用戶之間的相似度，將新的相似度計算公式命名為Pearsimilarity，其具體的計算方法如下:
3.根據(jù)權(quán)利要求1所述的一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法，其特征在于:在步驟3)中，對用戶一項目矩陣中的缺失評分進(jìn)行預(yù)測填充，在進(jìn)行預(yù)測填充時考慮到兩個方面的因素:商品之間評分的關(guān)聯(lián)性、社區(qū)成員對項目預(yù)測評分的影響；具體的評分預(yù)測公式如下:

4.根據(jù)權(quán)利要求1所述的一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法，其特征在于:在步驟4)中，依據(jù)目標(biāo)用戶與社區(qū)之間的相似度以及目標(biāo)用戶與其他用戶之間的相似度選擇最近鄰候選集，其中目標(biāo)用戶與社區(qū)之間的相似度計算公式如下:
5.根據(jù)權(quán)利要求4所述的一種基于社區(qū)發(fā)現(xiàn)的協(xié)同過濾方法，其特征在于:根據(jù)步驟4)所選擇的最近鄰候選集，計算目標(biāo)用戶對特定項目的評分，具體的評分預(yù)測公式如下:
【文檔編號】G06F17/30GK104021230SQ201410298575
【公開日】2014年9月3日 申請日期:2014年6月27日 優(yōu)先權(quán)日:2014年6月27日
【發(fā)明者】蘇暢, 謝顯中, 王裕坤 申請人:重慶郵電大學(xué)