CN114741603B 基于用户聚类和商品聚类的混合协同过滤推 荐方法 （大连理工大学）

基于用户聚类和商品聚类的混合协同过滤一种基于用户聚类和商品聚类的混合协同荐集与用户个性化推荐集，结合Top-n推荐集共本发明能够在冷启动阶段没有实际购买数据的算法较传统推荐算法在推荐精准度方面有较大ID3进行赋权实现对商品间关联规则和用户个性2XP"(2)步骤2、将用户属性对商品属性的评价矩阵、系统中用户属性矩阵和商品属性矩阵结引入外部购买记录获得用户属性对商品属性的评价矩阵C，解决冷启动阶段无法推荐步骤3、利用系统中已有的用户属性矩阵和商品属性矩阵，分别对用户与商品进行聚2.根据权利要求1所述的一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其33.根据权利要求1所述的一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其4.根据权利要求1所述的一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其(ki,i)表示向量i与其所属类簇的簇心ki的相似度；sim(kl,i)表示向量i与簇心kl的相似5.根据权利要求1所述的一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其6.根据权利要求1所述的一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其-1TT-17.根据权利要求1所述的一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其4old8.根据权利要求1所述的一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其9.根据权利要求1所述的一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其在关联规则挖掘中，通过选取合适的支持度与置信可找5而后，利用条件熵H(S|A)考察按某一属性特征划分最后，对用户订单数据进行属性细分，计算对用户最重要的商品选取用户评分最高的n个商品生成个性化推荐集合G，与关联规则推荐集和Top-n推荐集组将Top-n推荐集M、关联规则推荐集N和个性化推荐集G中存放的商品ID存入推荐列表67聚类和商品聚类的混合协同过滤推荐算法。该方法通过生成用户属性对商品属性偏好矩C=U:XE,XP"(2)[0015]在实际应用中，Ue与Pe矩阵通常为非方阵矩阵，不可求逆，无法得到U:与P"。因8[0023]对Ei中每个用户对商品的评分进行排序，选取评分最高的n个商品，进行初步推[0029]3.3)类簇是簇心聚集的用户或商品向量的容器，存放相似度高的用户或商品向9i,i)表示向量i与其所属类簇的簇心ki的相似度；sim(k评价时会根据邻居集中邻居用户或商品的真实评价进[0045]其中，Qi,u表示基于商品聚类用户i对商品u的预测评价；Nu表示商[0046]首先，本发明得出如公式(9)和公式(10)所示的基于用户聚类与基于商品聚类的商品项集A与商品项集B同时被购买的概率；置信度(confidence)用于表示在商品项集A被发生的概率在δ以上，同时关联购买的概率在μ以上的规则进行挖掘，本发明中选取δ=[0061]而后，利用条件熵H(S|A)考察按某一属性特征划分后熵的变化，条件熵(特征期示的是特征A中类别j所有类别的概率；pij为特征A的第j个类别占数据集合S不同类别的概品的评分，并选取用户评分最高的n个商品生成个性化推荐集合G，与关联规则推荐集和[0092]对Ei中每个用户对商品的评分进行排序，选取评分最高的n个商品，进行初步推[0098]3.3)类簇是簇心聚集的用户或商品向量的容器，存放相似度高的用户或商品向评价时会根据邻居集中邻居用户或商品的真实评价进[0114]其中，Qi,u表示基于商品聚类用户i对商品u的预测评价；Nu表示商[0115]首先，本发明得出如公式(9)和公式(10)所示的基于用户聚类与基于商品聚类的商品项集A与商品项集B同时被购买的概率；置信度(confidence)用于表示在商品项集A被发生的概率在δ以上，同时关联购买的概率在μ以上的规则进行挖掘，本实施例中选取δ=[0130]而后，利用条件熵H(S|A)考察按某一属性特征划分后熵的变化，条件熵(特征期示的是特征A中类别j所有类别的概率；pij为特征A的第j个类别占数据集合S不同类别的概品的评分，并