专利名称：基于灰色预测模型的推荐方法及系统的制作方法
技术领域：
本发明涉及推荐系统技术领域，特别涉及一种基于灰色预测模型的推荐方法及系统。
背景技术：
Web 2. 0技术和交互式媒体的大力发展，使得人们从以往被动的网页浏览者逐渐成为主动参与者，并且人们的参与度在不断提高。然而在互联网给我们带来便利的同时，也将我们带进了信息爆炸的时代。信息过载使得人们很难从丰富多彩的网络世界中获取对自身有价值的内容，而且使得大量鲜为人知的信息成为网络中的“暗信息”。传统的基于信息过滤技术的搜索引擎缺乏个性化的考虑，仍然无法很好地解决信息过载的问题。近年来，推荐系统作为当前解决信息过载问题非常有潜力的方法被学术界和工业界高度关注。与传统的基于信息过滤技术的搜索引擎不同，推荐系统不需要用户提供用于搜索的关键词，它通过分析用户历史行为挖掘出用户潜在的兴趣爱好，进而对其进行推荐。因此，推荐系统更能满足用户个性化的需求。根据推荐算法的不同，推荐系统可以分为如下几类协同过滤系统、基于内容的推荐系统、混合推荐系统，以及基于用户-项目二部图网络结构的推荐系统。协同过滤系统是最早被提出并得到广泛应用的推荐系统。其进一步可分为基于最近邻的协同过滤和基于项目的协同过滤。前者的基本思想是基于评分相似的最近邻居的评分数据向目标用户产生推荐；后者通过计算项目之间的相关性，然后利用用户对相关项目的评分预测用户对未评分项目的评分，从而推荐预测评分较高的项目给用户。基于最近邻的协同过滤推荐系统最大的优点是具有推荐新信息的能力，可以发现用户潜在的但自己尚未察觉的兴趣偏好；同时还能够推荐音乐、电影等难以进行内容分析的对象。基于项目的协同过滤推荐系统通过充分挖掘用户的兴趣爱好，推荐与其之前所选择的项目相似度最高的项目给用户。因此，协同过滤系统的核心思想可以分为两部分首先，利用用户的历史信息计算 用户或项目之间的相似性；然后利用与目标用户相似性较高的邻居对特定项目的评价或者利用用户对与特定项目相似性较高的项目的评价来预测目标用户对特定项目的喜好程度。最后，系统根据这一喜好程度来对目标用户进行推荐。不难看出，协同过滤系统的推荐精度取决于用户或项目间相似性计算的准确度，然而用户评分数据的稀疏性及数据间的关联性使得主流的相似性计算方法如余弦相似性和Pearson相关相似性难以准确度量用户或项目间的相似性。因此，直接利用该相似性加权得到的预测评分不可信，即系统的推荐精度较低。此外，协同过滤系统也面临着如何对新用户进行推荐或如何推荐新产品给用户的冷启动问题以及用户和项目数量增多，计算量线性增大的算法可扩展性问题等等。
发明内容
(一 )要解决的技术问题本发明要解决的技术问题是如何提供一种基于灰色预测模型的推荐方法及系统，以克服现有推荐方法及系统在用户评分数据极端稀疏并且数据间存在严重关联的情况下会导致推荐精度较低的缺点。( 二 )技术方案为解决上述技术问题，本发明提供一种基于灰色预测模型的推荐方法，其包括步骤A :建立项目间相似性矩阵； B :根据所述相似性矩阵，从目标用户的已评项目中选择与所述目标用户的未评项目相似度高的预定数目的项目；C :按照与所述未评项目的相似度由低到高的顺序，对所选项目的评分进行排序，得到预测序列；
D :根据所述预测序列构建灰色预测模型；E :根据所述灰色预测模型预测所述目标用户对所述未评项目的预测评分，根据所述预测评分向所述目标用户推荐相应的未评项目。优选地,所述步骤A具体包括步骤Al :对于任意两个项目i和j，遍历所有用户，得到同时对所述项目i和所述项目j给出评分的用户集合U(i，j)；A2 :根据所述用户集合U(i，j)中的用户，得到所述项目i对应所述项目j的评分向量/^，以及所述项目j对应所述项目i的评分向量$ ；A3 :根据所述评分向量&和所述评分向量/汁算得到所述项目i与所述项目j之间的相似度；A4 :重复所述步骤Al A3，直至得到各个项目之间的相似度，根据各个项目之间的相似度建立项目间相似性矩阵。优选地，所述步骤Al中，同时对所述项目i和所述项目j给出评分的用户集合U(i, j)的计算公式如下u(i, j) = u(i) n u(j) ；(I)其中，U⑴表示所有对所述项目i给出评分的用户集合；U(j)表示所有对所述项目j给出评分的用户集合。优选地，所述步骤A3中，所述项目i与所述项目j之间的相似度计算公式如下
^ Ii. Ji( 2)sim G，■/■) = eos(fj 4、二 —-— 5
I iJ IIxII 11其中，sim(i, j)表示所述项目i与所述项目j之间的相似度。优选地,所述步骤B具体包括步骤BI :根据所述相似性矩阵，将所述目标用户的已评项目按照与所述目标用户的每个未评项目的相似度由高到低排序，得到对应每个所述未评项目的已评项目序列；B2 :判断所述已评项目序列中的项目数量是否大于等于预定数目，如果是，从所述已评项目序列中选择前预定数目个已评项目作为与所述目标用户的未评项目的相似度高的项目，执行步骤C ;否则，执行步骤B3 ；B3 :在所述已评项目序列中补充相应数量的伪项目以使所述已评项目序列中的项目数量达到所述预定数目，设置所述伪项目的评分为预定评分，并且设置所述伪项目与所述未评项目的相似度为极小值；B4 :选择所述已评项目序列中的所有项目作为与所述目标用户的未评项目的相似度高的项目，执行步骤C。优选地，所述步骤C中，所述预测序列的公式如下
权利要求
1.一种基于灰色预测模型的推荐方法，其特征在于，包括步骤 A :建立项目间相似性矩阵； B :根据所述相似性矩阵，从目标用户的已评项目中选择与所述目标用户的未评项目相似度高的预定数目的项目； C :按照与所述未评项目的相似度由低到高的顺序，对所选项目的评分进行排序，得到预测序列； D :根据所述预测序列构建灰色预测模型； E :根据所述灰色预测模型预测所述目标用户对所述未评项目的预测评分，根据所述预测评分向所述目标用户推荐相应的未评项目。
2.如权利要求I所述的方法，其特征在于，所述步骤A具体包括步骤 Al :对于任意两个项目i和j，遍历所有用户，得到同时对所述项目i和所述项目j给出评分的用户集合U(i，j)； A2 :根据所述用户集合U(i，j)中的用户，得到所述项目i对应所述项目j的评分向量I，以及所述项目j对应所述项目i的评分向量Z ; A3 :根据所述评分向量g和所述评分向量j计算得到所述项目i与所述项目j之间的相似度； A4 :重复所述步骤Al A3，直至得到各个项目之间的相似度，根据各个项目之间的相似度建立项目间相似性矩阵。
3.如权利要求2所述的方法，其特征在于，所述步骤Al中，同时对所述项目i和所述项目j给出评分的用户集合U(i，j)的计算公式如下
4.如权利要求2所述的方法，其特征在于，所述步骤A3中，所述项目i与所述项目j之间的相似度计算公式如下 sim(i，j) = cos(ij，h)=:.匕，(2 ) I iJ IxII Ji I 其中，sim(i, j)表示所述项目i与所述项目j之间的相似度。
5.如权利要求I所述的方法，其特征在于，所述步骤B具体包括步骤 BI :根据所述相似性矩阵，将所述目标用户的已评项目按照与所述目标用户的每个未评项目的相似度由高到低排序，得到对应每个所述未评项目的已评项目序列； B2 :判断所述已评项目序列中的项目数量是否大于等于预定数目，如果是，从所述已评项目序列中选择前预定数目个已评项目作为与所述目标用户的未评项目的相似度高的项目，执行步骤C ;否则，执行步骤B3 ； B3 :在所述已评项目序列中补充相应数量的伪项目以使所述已评项目序列中的项目数量达到所述预定数目，设置所述伪项目的评分为预定评分，并且设置所述伪项目与所述未评项目的相似度为极小值；B4 :选择所述已评项目序列中的所有项目作为与所述目标用户的未评项目的相似度高的项目，执行步骤C。
6.如权利要求I所述的方法，其特征在于，所述步骤C中，所述预测序列的公式如下
7.如权利要求6所述的方法，其特征在于，所述步骤D中，所述灰色预测模型公式如下
8.如权利要求I所述的方法，其特征在于，所述步骤E具体包括步骤 El :根据所述灰色预测模型预测所述目标用户对每个所述未评项目的预测评分，所述预测评分的计算公式如下 其中，Pu, i表示用户u对未评项目i的预测评分； E2 :依次判断每个所述未评项目的预测评分Pu, i是否大于推荐阈值，如果是，将相应的未评项目i推荐给所述目标用户；否则，不推荐相应的未评项目i。
9.一种基于灰色预测模型的推荐系统，其特征在于，所述系统包括矩阵建立单元、已评项目选取单元、预测序列建立单元、灰色预测模型单元和预测推荐单元； 所述矩阵建立单元，用于建立项目间相似性矩阵； 所述已评项目选取单元，用于根据所述相似性矩阵，从目标用户的已评项目中选择与所述目标用户的未评项目相似度高的预定数目的项目； 所述预测序列建立单元，用于按照与所述未评项目的相似度由低到高的顺序，对所选项目的评分进行排序，得到预测序列； 所述灰色预测模型单元，用于根据所述预测序列构建灰色预测模型； 所述预测推荐单元，用于根据所述灰色预测模型预测所述目标用户对所述未评项目的预测评分，根据所述预测评分向所述目标用户推荐相应的未评项目。
10.如权利要求9所述的系统，其特征在于，所述矩阵建立单元包括用户集合模块、评分向量模块、相似度计算模块和矩阵建立模块； 所述用户集合模块，用于对于任意两个项目i和j，遍历所有用户，得到同时对所述项目i和所述项目j给出评分的用户集合U(i，j)； 所述评分向量模块，用于根据所述用户集合U(i，j)中的用户，得到所述项目i对应所述项目j的评分向量,以及所述项目j对应所述项目i的评分向量; 所述相似度计算模块，用于根据所述评分向量g和所述评分向量J；计算得到所述项目i与所述项目j之间的相似度； 所述矩阵建立模块，用于根据各个项目之间的相似度建立项目间相似性矩阵。
全文摘要
本发明公开了一种基于灰色预测模型的推荐方法及系统，涉及推荐系统领域。所述方法包括步骤建立项目间相似性矩阵；根据所述相似性矩阵，从目标用户的已评项目中选择与所述目标用户的未评项目相似度高的预定数目的项目；按照与所述未评项目的相似度由低到高的顺序，对所选项目的评分进行排序，得到预测序列；根据所述预测序列构建灰色预测模型；根据所述灰色预测模型预测所述目标用户对所述未评项目的预测评分，根据所述预测评分向所述目标用户推荐相应的未评项目。所述推荐方法及系统在用户评分数据极端稀疏并且数据间存在严重关联的情况下依然可以保证很高的推荐精度，具有广泛的应用前景。
文档编号G06F17/30GK102722550SQ20121016785
公开日2012年10月10日 申请日期2012年5月25日 优先权日2012年5月25日
发明者曹军威, 谢峰, 陈震 申请人:清华大学