申请/专利权人:广东工业大学
申请日:2019-12-30
公开(公告)日:2020-05-15
公开(公告)号:CN111159573A
主分类号:G06F16/9536(20190101)
分类号:G06F16/9536(20190101)
优先权:
专利状态码:有效-授权
法律状态:2022.04.08#授权;2020.06.09#实质审查的生效;2020.05.15#公开
摘要:本发明公开了一种基于项目的内容推荐方法,包括下述步骤:1修正初始的评分数值,将原始矩阵E整理为Em×n;2使用Pearson相关公式,遍历代入Em×n的每个元素,从而得到对应的Pearson项目相似度矩阵item‑SIMm×n;3对规范化评分矩阵Em×n做矩阵奇异值分解,得到U、S、D;4确定适合的维度k,得到矩阵Uk、Sk、Dk;5根据公式计算用户‑项目评分矩阵Em×n的评分相似度矩阵Ek,作为后续计算预测评分的入口矩阵;6遍历每个对项目j已有评分的用户评分行向量Eu,若其中项目i处有值,则代入以下公式计算得到项目的平均偏差值devj,i:7将得到的平均偏差值devj,i、项目相似度similarityi,j代入获得用户u对itemj的推荐预测评分PredictionIS‑SVDuj;本发明能够适应于不同稠密程度的数据,算法适应性得到增强。
主权项:1.一种基于项目的内容推荐方法,其特征在于,包括下述步骤:首先,使用Pearson相关系数来度量项目相似度,其中皮尔森相关系数可以表示为: 其中,Eui、Euj为评分矩阵中,第u行第i、j列的元素值,Ei、Ej是第i、j个列向量中每个元素的算数平均值;最终加权推荐公式为: 改进后的IS-SVDslopeone算法具体流程如下:输入:待预测用户u以及目标项目itemj、评分原始矩阵E;输出:用户u对itemj的预测Predictionuj;1修正初始的评分数值,将原始矩阵E整理为Em×n;2使用Pearson相关公式,遍历代入Em×n的每个元素,从而得到对应的Pearson项目相似度矩阵item-SIMm×n;3对规范化评分矩阵Em×n做矩阵奇异值分解,得到U、S、D;4确定适合的维度k,得到矩阵Uk、Sk、Dk;5根据公式计算用户-项目评分矩阵Em×n的评分相似度矩阵Ek,作为后续计算预测评分的入口矩阵;6遍历每个对项目j已有评分的用户评分行向量Eu,若其中项目i处有值,则代入以下公式计算得到项目的平均偏差值devj,i: 7将得到的平均偏差值devj,i、项目相似度similarityi,j代入以下公式获得用户u对itemj的推荐预测评分PredictionIS-SVDuj:
全文数据:
权利要求:
百度查询: 广东工业大学 一种基于项目的内容推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。