一种个体推荐方法及系统的利记博彩app
【技术领域】
[0001] 本发明涉及信息处理领域，尤其涉及一种个体推荐方法及系统。
【背景技术】
[0002] 在互联网的虚拟空间，群组中有兴趣和目的相同的人群，并与其他人群进行交互、 分享信息，为了支持这部分活跃群体，群体推荐程序的产生就必不可少；通过了解用户的爱 好并向用户推荐符合其兴趣爱好的对象，群组推荐的对象是一个由多个不同用户组成的群 体，他们拥有某些共同的兴趣偏好或需求，如旅游、摄影爱好者协会、美食、体育运动等等。 如何为这些群体用户提供有效的个性化信息服务，带来了对群体推荐系统的极大需求。
[0003] 国内外研究群组推荐算法大多通过某种方法把群组视为个体，然后应用个体推荐 的算法对群组进行推荐；也有通过计算各群组与目标群组的距离来确定相似群组；也有通 过将群组中喜好相同的用户合为一个用户对评分矩阵降维，同时将个体推荐结果整合为群 组推荐结果；也有将群组中个体的合作性因素和社会信任因素运用到群组推荐算法中；虽 然通过聚合个体喜好给单个群组推荐喜好，或者合并个体喜好推荐给重要的群组，能够实 现群组推荐，但是其结果往往群组里小部分成员的喜好不满足，而大部分成员处于满意状 〇
【发明内容】
[0004] 为了解决上述技术问题，本发明提供了一种个体推荐方法及系统，在保证个体推 荐有效性的同时，提高了群组中个体偏好的满意度。
[0005] 依据本发明的一个方面，提供了一种个体推荐方法，包括：
[0006] 获取第一类个体的偏好信息，第一类个体是预先确定的、具有明确项目偏好的个 体，其中，该个体为单个用户或由多个用户组成的群组；
[0007] 创建第一类个体对项目偏好的评级矩阵，评级矩阵中的元素为第一类个体中的各 个个体对各个项目的偏好程度；
[0008] 创建具有相同偏好的第一类个体的集群，该集群采用Κ均值算法对评级矩阵中的 元素进行聚类得到；
[0009] 向一指定个体推荐与该指定个体具有相同偏好的集群中的其他个体。
[0010] 其中，该评级矩阵用下式表示：
[0011] M = (mui)；
[0012] 式中，Μ表示评级矩阵，mul为评级矩阵Μ中的元素，且mul表示第一类个体中的个 体u对项目i的偏好程度，m ui的取值为0或1，当mui = 1表示个体u对项目i为偏好，当 mui = 0表示个体u对项目i不偏好；
[0013] 创建具有相同偏好的第一类个体的集群，包括：采用K均值算法，筛选出评级矩阵 Μ中对相同项目i的偏好程度mul的值等于1的第一类个体中的个体，得到偏好项目i的第 一类个体的集群R U1。
[0014] 其中，在创建具有相同偏好的第一类个体的集群的步骤之后还包括：
[0015] 采用皮尔逊Pearson相关系数公式，计算第二类个体中的个体与第一类个体中的 个体之间的偏好相似度，第二类个体是预先确定的、不具有明确项目偏好的个体；
[0016] 若第二类个体中的某一个体与第一类个体中的某一个体的偏好相似度的计算结 果大于或等于预设值时，将对应的第二类个体中的个体归于相应的第一类个体的集群中。
[0017] 其中，该偏好相似度用下式表示：
[0018]
[0019] 式中，sim(u，η)表示偏好相似度，CRn表示第二类个体中的个体η偏好的项目i的 集合；CRu，η表示第一类个体中的个体u偏好的项目i的集合和第二类个体中的个体η偏 好的项目i的集合的并集;m ul表示第一类个体中的个体u对项目i的偏好程度，表示 第一类个体中的个体u对项目i的平均偏好程度；mni表示第二类个体中的个体η对项目i 的预设偏好程度，表示第二类个体中的个体η对项目i的平均预设偏好程度；其中，当 sim (u，η)的值大于或等于预定值时，将对应的第一类个体中的个体u和第二类个体中的个 体η判断为相同偏好。
[0020] 其中，当个体为群组时，在计算第二类个体中的个体与第一类个体中的个体之间 的偏好相似度的步骤之后还包括：
[0021] 计算第二类个体中的个体对项目偏好程度的预测评级，该预测评级根据偏好相似 度的计算结果进行计算；
[0022] 若第二类个体中的某一个体的预测评级的计算结果大于或等于预设值时，将对应 的第二类个体中的个体归于相应的第一类个体的集群中。
[0023] 其中，该预测评级用下式表示：
[0024]
[0025] 式中，pni表示预测评级，neighbors(u)表示与第一类个体u相关联的个体的集 合；
[0026] 若第二类个体中的个体的预测评级ρηι计算结果的值大于或等于预设值时，将对 应的第二类个体中的个体归于相应的第一类个体的集群中。
[0027] 其中，在创建具有相同偏好的第一类用户的集群的步骤之后，还包括：
[0028] 为集群分配项目标签，项目标签根据对应的偏好信息确定；
[0029] 根据集群中用户的数目判断对应的项目标签的重要性，当集群中的个体的数目大 于等于某一阈值时，集群对应的项目标签判断结果为重要；否则为非重要；
[0030] 采用κ-means聚类算法计算非重要项目标签与每一重要项目标签的标签相似度， 当标签相似度计算结果的值大于或等于预预设值时，将非重要项目标签所对应的集群归于 重要项目标签所对应的集群中；否则忽略非重要项目标签所对应的集群。
[0031] 依据本发明的另一个方面，还提供了一种个体推荐系统，包括：
[0032] 获取模块，用于获取第一类个体的偏好信息，第一类个体是预先确定的、具有明确 项目偏好的个体，其中，个体为单个用户或由多个用户组成的群组；
[0033] 第一创建模块，用于创建第一类个体对项目偏好的评级矩阵，评级矩阵中的元素 为第一类个体中的各个个体对各个项目的偏好程度；
[0034] 第二创建模块，用于创建具有相同偏好的第一类个体的集群，该集群采用K均值 算法对评级矩阵中的元素进行聚类得到；
[0035] 推荐模块，用于向某一个体推荐与该个体具有相同偏好的集群中的其他个体。
[0036] 其中，该个体推荐系统还包括：筛选模块，用于采用K均值算法，筛选出评级矩阵Μ 中对相同项目i的偏好程度mul的值等于1的第一类个体中的个体，得到偏好项目i的第一 类个体的集群R U1。
[0037] 其中，该个体推荐系统还包括：第一计算模块，用于计算第二类个体中的个体与 第一类个体中的个体之间的偏好相似度，偏好相似度采用皮尔逊Pearson相关系数公式计 算，第二类个体是预先确定的、不具有明确项目偏好的个体；
[0038] 若第二类个体中的某一个体与第一类个体中的某一个体的偏好相似度的计算结 果大于或等于预设值时，将对应的第二类个体的个体归于相应的第一类个体的集群中。
[0039] 其中，该个体推荐系统还包括：第二计算模块，用于计算第二类个体中的个体对项 目偏好程度的预测评级，预测评级根据偏好相似度的计算结果进行计算；
[0040] 若第二类个体中的某一个体的预测评级的计算结果大于或等于预设值时，将对应 的第二类个体中的个体归于相应的第一类个体的集群中。
[0041] 其中，该个体推荐系统还包括：
[004