br>【主权项】
1. 一种个体推荐方法，其特征在于，包括： 获取第一类个体的偏好信息，所述第一类个体是预先确定的、具有明确项目偏好的个 体，其中，所述个体为单个用户或有多个用户组成的群组； 创建所述第一类个体对项目偏好的评级矩阵，所述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； 创建具有相同偏好的第一类个体的集群，所述集群采用K均值算法对所述评级矩阵中 的元素进行聚类得到； 向一指定个体推荐与所述指定个体具有相同偏好的集群中的其他个体。2. 根据权利要求1所述的个体推荐方法，其特征在于， 所述评级矩阵用下式表示： Μ = ； 式中，Μ表示所述评级矩阵，mul为所述评级矩阵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，mul的取值为0或1，当mul = 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； 所述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Rui。3. 根据权利要求1所述的个体推荐方法，其特征在于，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： 采用皮尔逊Pearson相关系数公式，计算第二类个体中的个体与所述第一类个体中的 个体之间的偏好相似度，所述第二类个体是预先确定的、不具有明确项目偏好的个体； 若所述第二类个体中的某一个体与所述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，将对应的所述第二类个体的个体归于相应的第一类个体的集 群中。4. 根据权利要求3所述的个体推荐方法，其特征在于， 所述偏好相似度用下式表示：式中，sim(u，η)表示所述偏好相似度，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；mul表示所述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表示所述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，将对应的所述第一类个体中的个体u和所述 第二类个体中的个体η判断为相同偏好。5. 根据权利要求4所述的个体推荐方法，其特征在于，当所述个体为群组时，在计算第 二类个体中的个体与所述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： 计算所述第二类个体中的个体对项目偏好程度的预测评级，所述预测评级根据所述偏 好相似度的计算结果进行计算； 若所述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 的所述第二类个体中的个体归于相应的第一类个体的集群中。6. 根据权利要求5所述的个体推荐方法，其特征在于，所述预测评级用下式表示：其中，pni表示所述预测评级，neighbors (u)表示与所述第一类个体u相关联的个体的 集合； 若所述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所述预设值时， 将对应的所述第二类个体中的个体归于相应的所述第一类个体的集群中。7. 根据权利要求1所述的个体推荐方法，其特征在于，在所述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： 为所述集群分配项目标签，所述项目标签根据对应的所述偏好信息确定； 根据所述集群中用户的数目判断对应的所述项目标签的重要性，当所述集群中的用户 的数目大于等于某一阈值时，所述集群对应的项目标签判断结果为重要；否则为非重要； 采用K-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，当所 述标签相似度计算结果的值大于或等于预预设值时，将所述非重要项目标签所对应的集群 归于所述重要项目标签所对应的集群中；否则忽略所述非重要项目标签所对应的集群。8. -种个体推荐系统，其特征在于，包括： 获取模块，用于获取第一类个体的偏好信息，所述第一类个体是预先确定的、具有明确 项目偏好的个体，其中，所述个体为单个用户或由多个用户组成的群组； 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，所述评级矩阵中的元素 为第一类个体中的各个个体对各个项目的偏好程度； 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，所述集群采用K均值算 法对所述评级矩阵中的元素进行聚类得到； 推荐模块，用于向一指定个体推荐与所述指定个体具有相同偏好的集群中的其他个 体。9. 根据权利要求8所述的个体推荐系统，其特征在于，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。10. 根据权利要求8所述的个体推荐系统，其特征在于，所述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所述第一类个体中的个体之间的偏好 相似度，所述偏好相似度采用皮尔逊Pearson相关系数公式计算，所述第二类个体是预先 确定的、不具有明确项目偏好的个体； 若所述第二类个体中的某一个体与所述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，将对应的所述第二类个体的个体归于相应的第一类个体的集 群中。11. 根据权利要求10所述的个体推荐系统，其特征在于，还包括： 第二计算模块，用于计算所述第二类个体中的个体对项目偏好程度的预测评级，所述 预测评级根据所述偏好相似度的计算结果进行计算； 若所述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 的所述第二类个体中的个体归于相应的第一类个体的集群中。12. 根据权利要求8所述的个体推荐系统，其特征在于，还包括： 分配模块，用于为所述集群分配项目标签，所述项目标签根据对应的所述偏好信息确 定； 判断模块，用于根据所述集群中用户的数目判断对应的所述项目标签的重要性，当所 述集群中的用户的数目大于等于某一阈值时，所述集群对应的项目标签判断结果为重要； 否则为非重要； 第三计算模块，用于计算非重要项目标签与每一重要项目标签的标签相似度，所述标 签相似度采用K-means聚类算法计算，当所述标签相似度大于或等于预预设值时，将所述 非重要项目标签所对应的集群归于所述重要项目标签所对应的集群中；否则忽略所述非重 要项目标签所对应的集群。
【专利摘要】本发明公开了一种个体推荐方法及系统，包括：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；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；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；向某一个体推荐与个体具有相同偏好的集群中的其他个体。本发明通过引入评级矩阵，使网络中的个体与项目形成一一对应的二维数组形式，采用K均值算法将同一项目下的个体聚类，得到具有相同偏好的个体集群，提高了个体推荐有效性，考虑到网络中每一个体的项目偏好，在一定程度上提高了个体推荐满意度。
【IPC分类】G06F17/30
【公开号】CN105677647
【申请号】
【发明人】白琳, 胡文辉, 王钢, 张慧芳, 陈昌文, 顾奇
【申请人】中国移动通信集团广东有限公司
【公开日】2016年6月15日
【申请日】2014年11月17日