[00006183]一种基于用户和物品的自适应个性化推荐方法
技术详细介绍
本发明公开了一种基于用户和物品的自适应个性化推荐方法，分为训练和个性化推荐两个阶段。训练阶段，首先平台采集用户个人信息、用户行为特征以及用户对物品的评价等数据。根据用户数据将相似用户聚类，计算用户对物品评价的平均差矩阵，据此建立基于用户聚类的预测模型，计算出该模型对所有物品的评价预测误差；根据物品的属性计算物品之间的相似度，计算用户对物品的评价平均差，建立预测模型，形成基于用户和物品的自适应预测模型。个性化推荐阶段首先判断用户所属聚类，利用融合了用户和物品的自适应预测模型，推测用户对物品的评价，将预测评价高的物品推荐给用户。本发明相比于传统的个性化推荐方法具有自适应的能力，具有更高的准确性。
