CN109947987B - 一种交叉协同过滤推荐方法 - Google Patents

Abstract

本发明涉及一种电影推荐方法，具体是一种交叉协同过滤推荐方法。本发明先根据基于项目的协同过滤算法(Item‑based CF)原理，设计电影间相似度计算策略，求解每个电影的序列化相似度字典；再利用基于模型的协同过滤算法(Model‑based CF)‑Slope One算法并结合局部相似性原理，对未评分电影进行评分数据填充，从而大大降低评分矩阵稀疏性；在此基础上提出融合用户间评分相似度和平均加权兴趣相似度的用户综合相似度计算模型，再运用基于用户的协同过滤算法(User‑based CF)，完成对目标用户的电影推荐。与同类方法相比，本发明能够显著提高电影推荐的精准度。

Description

一种交叉协同过滤推荐方法

技术领域

本发明涉及一种电影推荐方法，具体是一种交叉协同过滤推荐方法。

背景技术

人们生活在一个信息技术日新月异、移动互联网和云计算迅猛发展，全球数据量呈***式增长的大数据时代。相对于传统便于存储的以文本为主的结构化数据，音频、视频、图片等非结构化数据的比例逐步提升。互联网上信息的急剧增长，一方面使人们获取的信息资源越来越丰富，给人们带来极大的便利；另一方面，面对海量的信息资源，人们不得不花费更多的时间和精力去搜寻对其有帮助的信息，信息过载和资源迷向问题越来越严重。

推荐技术是解决信息过载及资源迷向问题的有效方案，它根据用户特征推荐满足用户需求的对象，实现个性化服务。推荐技术的优点在于，它能主动收集用户的特征资料，通过对用户个性、***台给你的推荐会越准确、更丰富。

基于协同过滤的推荐技术相比其他的推荐算法具有个性化和自动化程度高、推荐领域广泛以及技术上容易实现等优势。自协同过滤算法提出以来，国内外学者提出各种各样的基于协同过滤的推荐方法，例如李昊阳和符云清发表的“基于标签聚类与项目主题的协同过滤推荐算法”(见[J].计算机科学，2018,4，P247-251)，算法利用聚类技术对标签进行聚类并生成主题标签簇并提出一种改进的基于项目的协同过滤推荐算法，实验表明算法能够解决标签的语义模糊问题并提升推荐质量；郭宁宁等发表的“一种融合社交网络特征的协同过滤推荐算法”(见[J].计算机科学与探索，2018,12(2)，P208-217)，算法为了缓解用户评分数稀疏性的问题，引入社交网络模型并结合用户评分偏好得出用户信任和被信任矩阵，进而对用户进行项目推荐，实验表明该算法能够有效提高推荐准确率。

在大数据时代的今天，推荐技术在已经各个领域得到了充分的应用。但从协同过滤推荐算法研究现状可知，传统的协同过滤推荐算法存在以下几个问题：数据稀疏性问题，用户在内有任何激励的措施时自愿给出的评价很少，这使计算用户或项目间的相似性不够准确；冷启动问题，当***有一个新的用户或者项目进入时，算法不能够很好的处理；扩展性问题，算法对大数据的处理效果不佳，推荐的实时性很难保证(见翁小兰、王志坚所发表的“协同过滤推荐算法研究进展”，[J].计算机工程与应用，2018,54(1)，P25-31)。

发明内容

本发明的目的是提供一种交叉协同过滤推荐方法，它结合了基于模型的协同过滤算法和基于用户的协同过滤算法的优点，有效地缓解评分数据稀疏的问题，其中基于SlopeOne模型的协同过滤算法采用局部相似原理，使得填充数据更具有说服力。本发明能够更准确地计算用户间的相似度，进而提高推荐的精准度。

本发明的技术方案：一种交叉协同过滤推荐方法，包括以下步骤：

步骤1，收集用户的评分数据，得到用户-电影评分矩阵S；

其中，矩阵的每个元素s_pi原始评分数据，表示用户p对电影i的评分，用户没有评分过的电影分值为0，用户下标p＝1,2,…,m，电影下标i＝1,2,…,n，m为用户的个数，n为电影的个数；

步骤2，选用min-max数据归一化方法对用户评分数据归一化，使得用户的评分数值在设定区间之内，进而得到归一化用户评分，min-max数据归一化公式如下：

其中，min_A为用户评分数据集A中最小的数据，max_A为用户评分数据集A中最大的数据，new_max为设定区间的上界，new_min为设定区间的下界，s_pi为原始评分数据，n_pi为归一化后的评分数据；

步骤3，按照步骤2对用户集合中每位用户的评分数据进行相同的处理，最终得到归一化用户评分矩阵N如下：

其中，矩阵的每个元素n_pi为归一化后的评分数据，表示用户p对电影i的归一化评分；

步骤4，设定电影Item_i与电影集合中其他电影Item_j间具有的共同用户评分计数与电影Item_i的用户评分计数的比值阈值Threshold_item作为是否进一步计算电影间相似度的标准；其中，电影集合中除电影Item_i以外的其他电影的下标j＝1,2,3,…,n；

步骤5，在电影集合中选取一个电影Item_i，并计算该电影与电影集合中另一个电影Item_j具有的共同用户评分计数与电影Item_i的用户评分计数的比值Ratio_item_ij；Ratio_item_ij计算公式如下：

其中，Card(U_ij)表示对电影i,j都评分过的用户的个数，Card(U_i)表示对电影i评分过的用户的个数；

步骤6，若步骤5中的Ratio_item_ij大于设定的阈值Threshold_item，则利用皮尔逊相关系数公式并结合共同评分比值Ratio_item_ij进一步计算步骤5中电影Item_i与电影集合中另一个电影Item_j间的带权评分相似度Sim_item_ij，若小于阈值Threshold_item则不进行相似度计算；带权评分相似度计算公式如下：

其中，U_ij表示对电影i,j都评分过的用户集合，用户x属于集合U_ij，n_x,i表示用户x对电影i的归一化评分，

和

分别表示所有用户对电影i,j的归一化平均评分；

步骤7，按照步骤5、步骤6计算步骤5中电影Item_i与电影集合中其他的每个电影间的带权评分相似度，并按照带权评分相似度的大小进行排序，得到电影Item_i与其他电影的序列化相似度字典Sim_dict_i；

步骤8，按照步骤5、步骤6、步骤7对电影集合中的每个电影进行相同的处理，最终得出每个电影与其他电影的序列化相似度字典；由于Sim_item_ij＝Sim_item_ji，所以对于已经计算过的两电影之间的带权评分相似度可直接拷贝相应的数据，规定电影与自己的带权评分相似度为0；

步骤9，设定电影的评分预测参考电影个数K，其中K的取值范围是0到n；

步骤10，在电影集合中选取一个电影Item_i，并在其序列化相似度字典Sim_dict_i中取带权评分相似度大小前K个电影作为该电影的评分预测参考电影集合NN_i；

步骤11，计算步骤10中电影Item_i与其K个评分预测参考电影的评分偏差Score_deviation_ik；

其中，评分预测参考电影集合下标k＝1,2,3,…,K，χ为训练数据集，S_i,k(χ)为训练数据集中共同评分过电影i,k的用户集，用户y属于集合S_i,k(χ)，Card(S_i,k(χ))表示共同评分过电影i,k的用户集S_i,k(χ)中的用户个数，n_y,i表示用户y对电影i的归一化评分；

步骤12，利用现有的基于模型的协同过滤算法-Slope One算法，计算步骤10中电影Item_i未评分用户的加权预测评分Predict_score_item_li；

其中，电影Item_i未评分用户下标l＝1,2,3,…,Card(Item_i)，Card(Item_i)为电影Item_i未评分用户的数量，R_i为电影i的评分预测参考电影集合NN_i中同时与电影i一起被评分过的电影集合；

步骤13，按照步骤12对步骤10中电影Item_i的所有未评分用户的评分进行预测评分；

步骤14，按照步骤10、步骤11、步骤12、步骤13对电影集合中的每个电影进行相同的处理，最终得出每个电影的未评分用户的加权预测评分，从而实现对用户-电影评分矩阵的数据填充；

步骤15，在用户集合选取一个用户User_p，通过该用户评分的电影并结合电影信息表中的属性，匹配得到目标用户所评分的每个电影的属性列表Attribute_pi如下；

其中，

表示用户p评分的第i个电影的第f个属性，且对于电影具有的属性的初始值为1，不具有的属性初始值为0，属性下标f＝1,2,…,F，F表示电影属性个数；

步骤16，对步骤15中的用户User_p所评分的每个电影，并结合该用户对每个电影的归一化评分以及对应的电影属性得到该用户的加权属性评分向量Attribute_score_p，由于用户所评分的不同电影中存在属性相同的情况，故采用平均加权兴趣向量Avg_attribute_score_p来描述该用户的综合兴趣爱好，Avg_attribute_score_p表示为：

其中，

表示用户p对属性f的平均加权评分；

加权兴趣向量公式为：

Attribute_score_p＝n_pi*Attribute_pi

平均加权兴趣向量每个分量的计算公式为：

其中，

表示用户p所评分的所有电影中相同属性

的计数；

步骤17，按照步骤15、步骤16对用户集合中的每位用户进行相同的处理，最终得出每位用户的平均加权兴趣向量；

步骤18，设定用户User_p与用户集合中其他用户User_q间具有的共同电影评分计数与用户User_p的电影评分计数的比值阈值Threshold_user作为是否进一步计算用户间相似度的标准；其中，用户集合中除用户User_p以外的其他用户的下标q＝1,2,3,…,m；

步骤19，在用户集合中选取一个用户User_p，并计算该用户与用户集合中另一个用户User_q具有共同电影评分计数与用户User_p的电影评分计数的比值Ratio_user_pq；Ratio_user_pq的计算公式如下：

其中，Card(I_pq)表示用户p,q共同评分过的电影集合中电影的个数，Card(I_p)表示用户p评分过的电影集合中电影的个数；

步骤20，在经过Slope One算法进行数据填充过后的用户-电影评分矩阵基础上，若步骤19中的Ratio_user_pq大于设定的阈值Threshold_user，则进一步计算步骤19中用户User_p与用户集合中另一个用户User_q间的评分相似度Sim_user_score_pq和平均加权兴趣相似度Sim_user_attribute_pq，若小于阈值则不进行相似度计算；计算评分相似度使用皮尔逊相关系数，皮尔逊相关系数公式如下：

其中，I_pq表示用户p,q共同评分的电影集合，电影z属于集合I_pq，n_p,z表示用户p对电影z的归一化评分，

和

分别表示用户p,q对电影z的归一化平均评分；

计算用户间的平均加权兴趣相似度使用余弦相似度，余弦相似度公式如下：

其中

分别表示用户p,q的平均加权兴趣向量；

步骤21，结合步骤19中用户User_p与用户集合中另一个用户User_q间的评分相似度Sim_user_score_pq与属性相似度Sim_user_attribute_pq计算用户间的综合相似度Sim_pq；

Sim_pq＝λSim_user_score_pq+(1-λ)Sim_user_attribute_pq

其中λ为评分权重因子；

步骤22，按照步骤19、步骤20、步骤21计算步骤19中用户User_p与用户集合中其他的每个用户间的综合相似度；

步骤23，按照步骤19、步骤20、步骤21、步骤22对用户集中的每位用户进行相同的处理，计算得出每位用户的邻居用户集以及与每位邻居对应的综合相似度；

步骤24，以综合相似度为标准对每位用户的邻居集合进行排序，最终得到每位用户的序列化邻居集合；

步骤25，设定目标用户电影推荐的参照邻居用户数N以及目标用户的推荐电影个数R；其中参照邻居用户数N的取值范围是0到m，目标用户的推荐电影个数R的取值范围是0到n；

步骤26，在目标用户集合中选取一个用户Target_user_t并查看该目标用户的序列化邻居集合，取前N个用户构成该目标用户的参照邻居用户集NN_t并作为计算目标用户未评分电影的预测评分依据；其中，目标用户集合是用户集合的一个子集，目标用户下标t＝1,2,3,…,T；

步骤27，在归一化后的用户-电影评分矩阵基础上，依据现有的基于用户的协同过滤推荐算法，计算步骤26中目标用户Target_user_t未评分电影的预测评分P_t,i；

其中，参照用户u属于邻居用户集合NN_t，Sim_tu目标用户Target_user_t与邻居用户u的综合相似度，n_u,i为邻居用户u对电影i的归一化评分，

分别为目标用户Target_user_t和邻居用户u所评分电影的归一化平均评分；

步骤28，按照步骤26、步骤27对步骤26中目标用户所有未评分电影进行相同的处理，得出步骤26中目标用户Target_user_t未评分电影的预测评分；

步骤29，按照步骤26、步骤27、步骤28对目标用户集中每个目标用户进行相同的处理，得出每个目标用户未评分电影的预测评分；

步骤30，对目标用户集中每位用户的预测评分电影按照预测评分数据的大小排序，得到每位目标用户的序列化预测评分电影集合；

步骤31，在目标用户集中选取一个用户Target_user_t，查看该用户的序列化预测评分电影集合并取出预测评分大小前R个电影作为该目标用户的电影推荐列表Recommend_item_t；

步骤32，按照步骤31，对目标用户集中每位用户进行相同的处理，最终得出每位目标用户的电影推荐列表。

本发明结合了基于模型的协同过滤算法和基于用户的协同过滤算法的优点，利用基于Slope One模型的协同过滤算法并结合局部相似原理对用户-电影评分矩阵进行数据填充，使填充的数据更具有说服力的同时有效地缓解了数据稀疏性问题，进而提高了电影推荐的精准度。

具体实施方式

下面通过实施例对本发明进一步说明。

实施例：

步骤1，收集用户的评分数据，得到用户-电影评分矩阵S；

其中，矩阵的每个元素s_pi表示用户p对电影i的评分，用户没有评分过的电影分值为0，用户下标p＝1,2,…,m，电影下标i＝1,2,…,n，用户个数m＝654，电影个数n＝1683；

步骤2，选用min-max数据归一化方法对用户评分数据归一化，使得用户的评分数值在设定区间之内，进而得到归一化用户评分，min-max数据归一化公式如下：

其中，min_A为用户评分数据集A中最小的数据，max_A为用户评分数据集A中最大的数据，new_max为设定区间的上界，这里new_max＝1，new_min为设定区间的下界，这里new_min＝0，s_pi为原始评分数据，n_pi为归一化后的评分数据；

步骤3，按照步骤2对用户集合中每位用户的评分数据进行相同的处理，最终得到归一化用户评分矩阵N如下：

其中，矩阵的每个元素n_pi为归一化后的评分数据，表示用户p对电影i的归一化评分；

步骤4，设定电影Item_i与电影集合中其他电影Item_j间具有的共同用户评分计数与电影Item_i的用户评分计数的比值阈值Threshold_item＝0.25作为是否进一步计算电影间相似度的标准；其中，电影集合中除电影Item_i以外的其他电影的下标j＝1,2,3,…,n；

步骤5，在电影集合中选取一个电影Item_i，并计算该电影与电影集合中另一个电影Item_j具有的共同用户评分计数与电影Item_i的用户评分计数的比值Ratio_item_ij；Ratio_item_ij计算公式如下：

其中，Card(U_ij)表示对电影i,j都评分过的用户的个数，Card(U_i)表示对电影i评分过的用户的个数；

步骤6，若步骤5中的Ratio_item_ij大于设定的阈值Threshold_item，则利用皮尔逊相关系数公式并结合共同评分比值Ratio_item_ij进一步计算步骤5中电影Item_i与电影集合中另一个电影Item_j间的带权评分相似度Sim_item_ij，若小于阈值Threshold_item则不进行相似度计算；带权评分相似度计算公式如下：

其中，U_ij表示对电影i,j都评分过的用户集合，用户x属于集合U_ij，n_x,i表示用户x对电影i的归一化评分，

和

分别表示所有用户对电影i,j的归一化平均评分；

步骤7，按照步骤5、步骤6计算步骤5中电影Item_i与电影集合中其他的每个电影间的带权评分相似度，并按照带权评分相似度的大小进行排序，得到电影Item_i与其他电影的序列化相似度字典Sim_dict_i；

步骤8，按照步骤5、步骤6、步骤7对电影集合中的每个电影进行相同的处理，最终得出每个电影与其他电影的序列化相似度字典；由于Sim_item_ij＝Sim_item_ji，所以对于已经计算过的两电影之间的带权评分相似度可直接拷贝相应的数据，规定电影与自己的带权评分相似度为0；

步骤9，设定电影的评分预测参考电影个数K＝50；

步骤10，在电影集合中选取一个电影Item_i，并在其序列化相似度字典Sim_dict_i取前K个邻居作为该电影的评分预测参考；

步骤10，在电影集合中选取一个电影Item_i，并在其序列化相似度字典Sim_dict_i中取带权评分相似度大小前K个电影作为该电影的评分预测参考电影集合NN_i；

步骤11，计算步骤10中电影Item_i与其K个评分预测参考电影的评分偏差Score_deviation_ik；

其中，评分预测参考电影集合下标k＝1,2,3,…,K，χ为训练数据集，S_i,k(χ)为训练数据集中共同评分过电影i,k的用户集，用户y属于集合S_i,k(χ)，Card(S_i,k(χ))表示共同评分过电影i,k的用户集S_i,k(χ)中的用户个数，n_y,i表示用户y对电影i的归一化评分；

步骤12，利用现有的基于模型的协同过滤算法-Slope One算法，计算步骤10中电影Item_i未评分用户的加权预测评分Predict_score_item_li；

其中，电影Item_i未评分用户下标l＝1,2,3,…,Card(Item_i)，Card(Item_i)为电影Item_i未评分用户的数量，R_i为电影i的评分预测参考电影集合NN_i中同时与电影i一起被评分过的电影集合；

步骤13，按照步骤12对步骤10中电影Item_i的所有未评分用户的评分进行预测评分；

步骤14，按照步骤10、步骤11、步骤12、步骤13对电影集合中的每个电影进行相同的处理，最终得出每个电影的未评分用户的加权预测评分，从而实现对用户-电影评分矩阵的数据填充；

步骤15，在用户集合选取一个用户User_p，通过该用户评分的电影并结合电影信息表中的属性，匹配得到目标用户所评分的每个电影的属性列表Attribute_pi如下；

其中，

表示用户p评分的第i个电影的第f个属性，且对于电影具有的属性的初始值为1，不具有的属性初始值为0，属性下标f＝1,2,…,F，F＝19表示电影属性个数；

步骤16，对步骤15中的用户User_p所评分的每个电影，结并合该用户对每个电影的归一化评分以及对应的电影属性得到该用户的加权属性评分向量Attribute_score_p，由于用户所评分的不同电影中存在属性相同的情况，故采用平均加权兴趣向量Avg_attribute_score_p来描述该用户的综合兴趣爱好，Avg_attribute_score_p表示为：

其中，

表示用户p对属性f的平均加权评分；

加权兴趣向量公式为：

Attribute_score_p＝n_pi*Attribute_pi

平均加权兴趣向量每个分量的计算公式为：

其中，

表示用户p所评分的所有电影中相同属性

的计数；

步骤17，按照步骤15、步骤16对用户集合中的每位用户进行相同的处理，最终得出每位用户的平均加权兴趣向量；

步骤18，设定用户User_p与用户集合中其他用户User_q间具有的共同电影评分计数与用户User_p的电影评分计数的比值阈值Threshold_user＝0.3作为是否进一步计算用户间相似度的标准；其中，用户集合中除用户User_p以外的其他用户的下标q＝1,2,3,…,m；

步骤19，在用户集合中选取一个用户User_p，并计算该用户与用户集合中另一个用户User_q具有共同电影评分计数与用户User_p的电影评分计数的比值Ratio_user_pq；Ratio_user_pq的计算公式如下：

其中，Card(I_pq)表示用户p,q共同评分过的电影集合中电影的个数，Card(I_p)表示用户p评分过的电影集合中电影的个数；

步骤20，在经过Slope One算法进行数据填充过后的用户-电影评分矩阵基础上，若步骤19中的Ratio_user_pq大于设定的阈值Threshold_user，则进一步计算步骤19中用户User_p与用户集合中另一个用户User_q间的评分相似度Sim_user_score_pq和平均加权兴趣相似度Sim_user_attribute_pq，若小于阈值则不进行相似度计算；计算评分相似度使用皮尔逊相关系数，皮尔逊相关系数公式如下：

其中，I_pq表示用户p,q共同评分的电影集合，电影z属于集合I_pq，n_p,z表示用户p对电影z的归一化评分，

和

分别表示用户p,q对电影z的归一化平均评分；

计算用户间的平均加权兴趣相似度使用余弦相似度，余弦相似度公式如下：

其中

分别表示用户p,q的平均加权兴趣向量；

步骤21，结合步骤19中用户User_p与用户集合中另一个用户User_q间的评分相似度Sim_user_score_pq与属性相似度Sim_user_attribute_pq计算用户间的综合相似度Sim_pq；

Sim_pq＝λSim_user_score_pq+(1-λ)Sim_user_attribute_pq

其中λ＝0.6为评分权重因子；

步骤22，按照步骤19、步骤20、步骤21计算步骤19中用户User_p与用户集合中其他的每个用户间的综合相似度；

步骤23，按照步骤19、步骤20、步骤21、步骤22对用户集中的每位用户进行相同的处理，计算得出每位用户的邻居用户集以及与每位邻居对应的综合相似度；

步骤24，以综合相似度为标准对每位用户的邻居集合进行排序，最终得到每位用户的序列化邻居集合；

步骤25，设定目标用户电影推荐的参照邻居用户数N＝50以及目标用户的推荐电影个数R＝3；

步骤26，在目标用户集合中选取一个用户Target_user_t并查看该目标用户的序列化邻居集合，取前N个用户构成该目标用户的参照邻居用户集NN_t并作为计算目标用户未评分电影的预测评分依据；其中，目标用户集合是用户集合的一个子集，目标用户下标t＝1,2,3,…,T，T＝15为目标用户集合中用户的数量；

步骤27，在归一化后的用户-电影评分矩阵基础上，依据现有的基于用户的协同过滤推荐算法，计算步骤26中目标用户Target_user_t未评分电影的预测评分P_t,i；

其中，参照用户u属于邻居用户集合NN_t，Sim_tu目标用户Target_user_t与邻居用户u的综合相似度，n_u,i为邻居用户u对电影i的归一化评分，

分别为目标用户Target_user_t和邻居用户u所评分电影的归一化平均评分；

步骤28，按照步骤26、步骤27对步骤26中目标用户所有未评分电影进行相同的处理，得出步骤26中目标用户Target_user_t未评分电影的预测评分；

步骤29，按照步骤26、步骤27、步骤28对目标用户集中每个目标用户进行相同的处理，得出每个目标用户未评分电影的预测评分；

步骤30，对目标用户集中每位用户的预测评分电影按照预测评分数据的大小排序，得到每位目标用户的序列化预测评分电影集合；

步骤31，在目标用户集中选取一个用户Target_user_t，查看该用户的序列化预测评分电影集合并取出预测评分大小前R个电影作为该目标用户的电影推荐列表Recommend_item_t；

步骤32，按照步骤31，对目标用户集中每位用户进行相同的处理，最终得出每位目标用户的电影推荐列表如下表所示：

用户ID	电影ID	推荐度	电影名称	上映时间	电影类型
						1	60	0.75	蓝白红三部曲之蓝	1993/1/1	剧情/爱情
1	74	0.75	癫猫公路历险记	1965/1/1	剧情
						1	213	0.7214	看得见风景的房间	1986/1/1	动作/喜剧/剧情
2	213	0.6786	看得见风景的房间	1986/1/1	剧情/爱情
						2	60	0.6714	蓝白红三部曲之蓝	1993/1/1	剧情
2	83	0.6714	无事生非	1993/1/1	喜剧/爱情
						3	60	0.7143	蓝白红三部曲之蓝	1993/1/1	剧情
3	104	0.7071	恐龙特警	1996/3/29	剧情
						3	136	0.6786	史密斯先生去华盛顿	1939/1/1	喜剧
4	45	0.7429	饮食男女	1994/1/1	剧情/爱情
						4	60	0.7429	蓝白红三部曲之蓝	1993/1/1	喜剧/剧情
4	213	0.7071	看得见风景的房间	1986/1/1	剧情
						5	165	0.75	男人的野心	1986/1/1	喜剧/剧情
5	45	0.7071	饮食男女	1994/1/1	剧情
						5	213	0.7071	看得见风景的房间	1986/1/1	剧情/爱情
6	213	0.7286	看得见风景的房间	1986/1/1	喜剧/爱情
						6	60	0.7071	蓝白红三部曲之蓝	1993/1/1	剧情/爱情
6	83	0.7	无事生非	1993/1/1	剧情
						7	165	0.9286	男人的野心	1986/1/1	剧情
7	30	0.8571	白日美人	1967/1/1	喜剧
						7	251	0.8571	谈谈情,跳跳舞	1997/7/11	剧情
8	60	0.6857	蓝白红三部曲之蓝	1993/1/1	喜剧/爱情
						8	83	0.6786	无事生非	1993/1/1	剧情/爱情
8	213	0.6786	看得见风景的房间	1986/1/1	剧情
						9	104	0.6929	恐龙特警	1996/3/29	剧情/爱情
9	60	0.6714	蓝白红三部曲之蓝	1993/1/1	喜剧
						9	213	0.6714	看得见风景的房间	1986/1/1	剧情
10	213	0.6714	看得见风景的房间	1986/1/1	喜剧/爱情
						10	45	0.6643	饮食男女	1994/1/1	喜剧/剧情
10	83	0.6643	无事生非	1993/1/1	剧情/爱情
						11	242	0.6857	给我一个爸Kolya	1997/1/24	喜剧
11	45	0.6786	饮食男女	1994/1/1	剧情
						11	60	0.6714	蓝白红三部曲之蓝	1993/1/1	喜剧/剧情
12	60	0.6714	蓝白红三部曲之蓝	1993/1/1	剧情/爱情
						12	213	0.6714	看得见风景的房间	1986/1/1	喜剧/爱情
12	83	0.6643	无事生非	1993/1/1	剧情
						13	213	0.9973	看得见风景的房间	1986/1/1	剧情/爱情
13	45	0.9929	饮食男女	1994/1/1	喜剧/剧情
						13	189	0.8571	月球野餐记	1992/1/1	动画/喜剧
14	213	0.7	看得见风景的房间	1986/1/1	剧情/爱情
						14	83	0.6929	无事生非	1993/1/1	喜剧/爱情
14	60	0.6714	蓝白红三部曲之蓝	1993/1/1	剧情
						15	213	0.7571	蓝白红三部曲之蓝	1986/1/1	剧情/爱情
15	83	0.6857	无事生非	1993/1/1	喜剧/爱情
						15	197	0.6786	毕业生	1967/1/1	剧情/爱情

。

Claims (1)

1.一种交叉协同过滤推荐方法，其特征在于，包括以下步骤：

步骤1，收集用户的评分数据，得到用户-电影评分矩阵S；

其中，矩阵的每个元素s_pi原始评分数据，表示用户p对电影i的评分，用户没有评分过的电影分值为0，用户下标p＝1，2，…，m，电影下标i＝1，2，…，n，m为用户的个数，n为电影的个数；

步骤2，选用min-max数据归一化方法对用户评分数据归一化，使得用户的评分数值在设定区间之内，进而得到归一化用户评分，min-max数据归一化公式如下：

其中，min_A为用户评分数据集A中最小的数据，max_A为用户评分数据集A中最大的数据，new_max为设定区间的上界，new_min为设定区间的下界，s_pi为原始评分数据，n_pi为归一化后的评分数据；

步骤3，按照步骤2对用户集合中每位用户的评分数据进行相同的处理，最终得到归一化用户评分矩阵N如下：

其中，矩阵的每个元素n_pi为归一化后的评分数据，表示用户p对电影i的归一化评分；

步骤4，设定电影Item_i与电影集合中其他电影Item_j间具有的共同用户评分计数与电影Item_i的用户评分计数的比值阈值Threshold_item作为是否进一步计算电影间相似度的标准；

其中，电影集合中除电影Item_i以外的其他电影的下标j＝1，2，3，...，n；

步骤5，在电影集合中选取一个电影Item_i，并计算该电影与电影集合中另一个电影Item_j具有的共同用户评分计数与电影Item_i的用户评分计数的比值Ratio_item_ij；Ratio_item_ij计算公式如下：

其中，Card(U_ij)表示对电影i，j都评分过的用户的个数，Card(U_i)表示对电影i评分过的用户的个数；

步骤6，若步骤5中的Ratio_item_ij大于设定的阈值Threshold_item，则利用皮尔逊相关系数公式并结合共同评分比值Ratio_item_ij进一步计算步骤5中电影Item_i与电影集合中另一个电影Item_j间的带权评分相似度Sim_item_ij，若小于阈值Threshold_item则不进行相似度计算；带权评分相似度计算公式如下：

其中，U_ij表示对电影i，j都评分过的用户集合，用户x属于集合U_ij，n_x，i表示用户x对电影i的归一化评分，

和

分别表示所有用户对电影i，j的归一化平均评分；

步骤7，按照步骤5、步骤6计算步骤5中电影Item_i与电影集合中其他的每个电影间的带权评分相似度，并按照带权评分相似度的大小进行排序，得到电影Item_i与其他电影的序列化相似度字典Sim_dict_i；

步骤8，按照步骤5、步骤6、步骤7对电影集合中的每个电影进行相同的处理，最终得出每个电影与其他电影的序列化相似度字典；由于Sim_item_ij＝Sim_item_ji，所以对于已经计算过的两电影之间的带权评分相似度可直接拷贝相应的数据，规定电影与自己的带权评分相似度为0；

步骤9，设定电影的评分预测参考电影个数K，其中K的取值范围是0到n；

步骤10，在电影集合中选取一个电影Item_i，并在其序列化相似度字典Sim_dict_i中取带权评分相似度大小前K个电影作为该电影的评分预测参考电影集合NN_i；

步骤11，计算步骤10中电影Item_i与其K个评分预测参考电影的评分偏差Score_deviation_ik；

其中，评分预测参考电影集合下标k＝1，2，3，...，K，χ为训练数据集，S_i，k(χ)为训练数据集中共同评分过电影i，k的用户集，用户y属于集合S_i，k(χ)，Card(S_i，k(χ))表示共同评分过电影i，k的用户集S_i，k(χ)中的用户个数，n_y，i表示用户y对电影i的归一化评分；

步骤12，利用现有的基于模型的协同过滤算法-Slope One算法，计算步骤10中电影Item_i未评分用户的加权预测评分Predict_score_item_li；

其中，电影Item_i未评分用户下标l＝1，2，3，...，Card(Item_i)，Card(Item_i)为电影Item_i未评分用户的数量，R_i为电影i的评分预测参考电影集合NN_i中同时与电影i一起被评分过的电影集合；

步骤13，按照步骤12对步骤10中电影Item_i的所有未评分用户的评分进行预测评分；

步骤14，按照步骤10、步骤11、步骤12、步骤13对电影集合中的每个电影进行相同的处理，最终得出每个电影的未评分用户的加权预测评分，从而实现对用户-电影评分矩阵的数据填充；

步骤15，在用户集合选取一个用户User_p，通过该用户评分的电影并结合电影信息表中的属性，匹配得到目标用户所评分的每个电影的属性列表Attribute_pi如下；

其中，

表示用户p评分的第i个电影的第f个属性，且对于电影具有的属性的初始值为1，不具有的属性初始值为0，属性下标f＝1，2，…，F，F表示电影属性个数；

步骤16，对步骤15中的用户User_p所评分的每个电影，并结合该用户对每个电影的归一化评分以及对应的电影属性得到该用户的加权属性评分向量Attribute_score_p，由于用户所评分的不同电影中存在属性相同的情况，故采用平均加权兴趣向量Avg_attribute_score_p来描述该用户的综合兴趣爱好，Avg_attribute_score_p表示为：

其中，

表示用户p对属性f的平均加权评分；

加权兴趣向量公式为：

Attribute_score_p＝n_pi*Attribute_pi

平均加权兴趣向量每个分量的计算公式为：

其中，

表示用户p所评分的所有电影中相同属性

的计数；

步骤17，按照步骤15、步骤16对用户集合中的每位用户进行相同的处理，最终得出每位用户的平均加权兴趣向量；

步骤18，设定用户User_p与用户集合中其他用户User_q间具有的共同电影评分计数与用户User_p的电影评分计数的比值阈值Threshold_user作为是否进一步计算用户间相似度的标准；其中，用户集合中除用户User_p以外的其他用户的下标q＝1，2，3，...，m；

步骤19，在用户集合中选取一个用户User_p，并计算该用户与用户集合中另一个用户User_q具有共同电影评分计数与用户User_p的电影评分计数的比值Ratio_user_pq；Ratio_user_pq的计算公式如下：

其中，Card(I_pq)表示用户p，q共同评分过的电影集合中电影的个数，Card(I_p)表示用户p评分过的电影集合中电影的个数；

步骤20，在经过Slope One算法进行数据填充过后的用户-电影评分矩阵基础上，若步骤19中的Ratio_user_pq大于设定的阈值Threshold_user，则进一步计算步骤19中用户User_p与用户集合中另一个用户User_q间的评分相似度Sim_user_score_pq和平均加权兴趣相似度Sim_user_attribute_pq，若小于阈值则不进行相似度计算；计算评分相似度使用皮尔逊相关系数，皮尔逊相关系数公式如下：

其中，I_pq表示用户p，q共同评分的电影集合，电影z属于集合I_pq，n_p，z表示用户p对电影z的归一化评分，

和

分别表示用户p，q对电影z的归一化平均评分；

计算用户间的平均加权兴趣相似度使用余弦相似度，余弦相似度公式如下：

其中

分别表示用户p，q的平均加权兴趣向量；

步骤21，结合步骤19中用户User_p与用户集合中另一个用户User_q间的评分相似度Sim_user_score_pq与属性相似度Sim_user_attribute_pq计算用户间的综合相似度Sim_pq；

Sim_pq＝ASim_user_score_pq+(1-λ)Sim_user_attribute_pq

其中λ为评分权重因子；

步骤22，按照步骤19、步骤20、步骤21计算步骤19中用户User_p与用户集合中其他的每个用户间的综合相似度；

步骤23，按照步骤19、步骤20、步骤21、步骤22对用户集中的每位用户进行相同的处理，计算得出每位用户的邻居用户集以及与每位邻居对应的综合相似度；

步骤24，以综合相似度为标准对每位用户的邻居集合进行排序，最终得到每位用户的序列化邻居集合；

步骤25，设定目标用户电影推荐的参照邻居用户数N以及目标用户的推荐电影个数R；其中参照邻居用户数N的取值范围是0到m，目标用户的推荐电影个数R的取值范围是0到n；

步骤26，在目标用户集合中选取一个用户Target_user_t并查看该目标用户的序列化邻居集合，取前N个用户构成该目标用户的参照邻居用户集NN_t并作为计算目标用户未评分电影的预测评分依据；其中，目标用户集合是用户集合的一个子集，目标用户下标t＝1，2，3，...，T；

步骤27，在归一化后的用户-电影评分矩阵基础上，依据现有的基于用户的协同过滤推荐算法，计算步骤26中目标用户Target_user_t未评分电影的预测评分P_t，i；

其中，参照用户u属于邻居用户集合NN_t，Sim_tu目标用户Target_user_t与邻居用户u的综合相似度，n_u，i为邻居用户u对电影i的归一化评分，

分别为目标用户Target_user_t和邻居用户u所评分电影的归一化平均评分；

步骤28，按照步骤26、步骤27对步骤26中目标用户所有未评分电影进行相同的处理，得出步骤26中目标用户Target_user_t未评分电影的预测评分；

步骤29，按照步骤26、步骤27、步骤28对目标用户集中每个目标用户进行相同的处理，得出每个目标用户未评分电影的预测评分；

步骤30，对目标用户集中每位用户的预测评分电影按照预测评分数据的大小排序，得到每位目标用户的序列化预测评分电影集合；

步骤31，在目标用户集中选取一个用户Target_user_t，查看该用户的序列化预测评分电影集合并取出预测评分大小前R个电影作为该目标用户的电影推荐列表Recommend_item_t；

步骤32，按照步骤31，对目标用户集中每位用户进行相同的处理，最终得出每位目标用户的电影推荐列表。