一种基于二部图最近邻的个性化推荐方法

摘要

本发明一种基于二部图最近邻的个性化推荐方法，先对用户‑项目评分矩阵进行预处理，构造相对应的二部图；然后计算计算二部图中边的权重，生成评分权重矩阵；计算用户之间的相似度，生成用户相似度矩阵；对相似度进行降序排列，筛选目标用户的最近邻居集；预测目标用户对未评分项目的评分值；将预测评分和实际评分进行均方根误差分析；反复循环迭代，不断调整参数，直到均方根误差最小；通过训练好的参数来预测用户对项目的评分，产生推荐列表，推荐给用户。实验比较表明，本推荐方法性能优于当前的推荐方法，提高了推荐的准确率和精准度，大幅度降低了推荐的误差，能够解决传数据稀疏性和冷启动的难题。