基于用户显示评分的机型推荐方法

1.基于用户显示评分的机型推荐方法，其特征是包括如下步骤：
1)手机机型相似度计算：
a根据时间节点选择目前主流的一些手机机型，并从互联网上采集各个手机机型的包括系统、内存的参数信息；
b将上一步中得到的数据进行预处理，格式化之后存入到数据库中，即得到手机机型信息表mobile；
c根据上一步得到的手机机型信息，计算每个手机机型之间的相似度，得到手机机型相似度表mobile_sim；
d结束；
2)目标用户邻居集合求解阶段：
a从互联网上采集用户对手机机型的评分，得到用户-手机评价信息表user_mobile；
b利用用户相似度公式计算用户与用户之间的相似度，得到用户相似度表user_sim；
c选取前K个相似度最高的用户作为目标用户a的邻居集合neighbor；
d结束；
3)手机机型推荐列表求解阶段：
a扫描表格user_mobile，从中提取出用户u未评价过的机型列表Tu；
b针对列表Tu中的每一款手机机型i，计算用户u对i的兴趣度，得到兴趣度列表Pu；
c将Pu进行排序，选择兴趣度最大的前N个手机机型作为给用户u的推荐列表；
d结束；
步骤1)-b中所说的数据预处理和格式化是将每款手机机型参数信息表示成一条记录，每一个记录都有若干个字段；
步骤1)-c中所说的手机机型相似度计算是将手机表示成向量空间模型，然后利用余弦距离公式进行计算；
步骤2)-b的具体过程如下：
1)循环扫描用户-手机评价信息表，对其中任意两条记录：ua＝＜ra1,ra2,...rai＞和ub＝＜rb1,rb2,...rbi＞，计算用户a和用户b共同评价过的手机机型列表Tab；
其中ua,ub表示用户a和用户b，rai,rbi分别表示用户a和用户b对手机机型i的评分值；
2)顺序扫描机型列表Tab中的每一个机型，求解其应有的权值w(i)＝w1(i)×w2(i)，其中rai,rbi分别表示用户a和用户b对手机机型i的评分值；该式子表明，用
户间共同高评分的手机机型权值大于共同低评分手机机型的权值；
hij表示共同评分列表中手机ti与Tab中其他手机tj的相似度，p表示
Tab中机型的个数；该式子表明，共同评分列表中的手机属于同一类群的即相似度较高手机越多，该手机的权值越大；
3)通过相似度计算公式计算用户a和用户b的相似度，计算的公式为：
其中
步骤2)-c中所说的前K个相似度最高的用户，即是将步骤2)-b中求解出来的用户u与其他用户的相似度进行一个排序，然后选择前K个用户作为a的邻居集合，K的值可以根据实际推进结果情况进行不断的调整以便得到一个最好的经验值K；
4)结束。
2.根据权利要求1所述的基于用户显示评分的机型推荐方法，其特征是
步骤3)-b中用户u对手机机型i的兴趣度计算公式为：
其中， 分别表示用户u和用户b对已评手机机型的评分均值；
步骤3)-c中所说的选择前N个手机机型，N的值可以根据实际推进结果情况进行不断的调整以便得到一个最好的经验值N。

基于用户显示评分的机型推荐方法\n技术领域\n[0001] 本发明涉及一种手机机型推荐方法，即利用互联网上用户对手机的显示评分数据，给用户进行手机推荐的技术。\n背景技术\n[0002] 利用计算机技术可以智能分析用户历史行为数据，并发现用户潜在的兴趣。智能手机和移动互联网的发展，使得用户换手机的频率也越来越高。目前无论是手机生产商、手机销售商还是移动运营商对用户进行手机机型推荐都比较关注。常用的推荐技术中，协同过滤推荐是著名的技术之一。然而传统的基于用户的协同过滤推荐技术在计算用户的相似度时候，针对每款手机机型都是赋予相同的权值，忽略了用户对手机共同高评分和共同低评分之间的区别以及手机类群对推荐结果的影响。这样就容易导致推荐效率低下，不利于商家进行手机营销。本发明尝试利用传统的基于用户的协同过滤推荐思想，并针对上述提到的问题提出解决方案，设计出一种基于互联网上用户显示评分数据的手机机型推荐方法。\n发明内容\n[0003] 本发明目的是，所要解决的技术问题是，利用互联网上用户对手机显示评分的数据，实现了一种高效的手机机型推荐方法，以更好的为手机商家进行机型营销。\n[0004] 为解决上述问题，本发明的技术方案是，基于用户显示评分的机型推荐方法，包括如下步骤：\n[0005] 1)手机机型相似度计算：\n[0006] a根据时间节点选择目前主流的一些手机机型，并从互联网上采集各个手机机型的参数信息(如系统，内存等)；\n[0007] b将上一步中得到的数据进行预处理，格式化之后存入到数据库中，即得到手机机型信息表mobile；\n[0008] c根据上一步得到的手机机型信息，计算每个手机机型之间的相似度，得到手机机型相似度表mobile_sim；\n[0009] d结束；\n[0010] 2)目标用户邻居集合求解阶段：\n[0011] a从互联网上采集用户对手机机型的评分，得到用户-手机评价信息表user_mobile；\n[0012] b利用用户相似度公式计算用户与用户之间的相似度，得到用户相似度表user_sim；\n[0013] c选取前K个相似度最高的用户作为目标用户a的邻居集合neighbor；\n[0014] d结束；\n[0015] 3)手机机型推荐列表求解阶段：\n[0016] a扫描表格user_mobile，从中提取出用户u未评价过的机型列表Tu；\n[0017] b针对列表Tu中的每一款手机机型i，计算用户u对i的兴趣度，得到兴趣度列表Pu；\n[0018] c将Pu进行排序，选择兴趣度最大的前N个手机机型作为给用户u的推荐列表；\n[0019] d结束；\n[0020] 步骤1)-b中所说的数据预处理和格式化是将每款手机机型参数信息表示成一条记录，每一个记录都有若干个字段；\n[0021] 步骤1)-c中所说的手机机型相似度计算主要是将手机表示成向量空间模型，然后利用余弦距离公式进行计算；\n[0022] 步骤2)-b的具体过程如下：\n[0023] 1)循环扫描用户-手机评价信息表，对其中任意两条记录：ua＝＜ra1,ra2,...rai＞和ub＝＜rb1,rb2,...rbi＞，计算用户a和用户b共同评价过的手机机型列表Tab；\n[0024] 其中ua,ub表示用户a和用户b，rai,rbi表示分别表示用户a和用户b对手机机型i的评分值；\n[0025] 2)顺序扫描机型列表Tab中的每一个机型，求解其应有的权值w(i)＝w1(i)×w2(i)，其中\n[0026] rai,rbi分别表示用户a和用户b对手机机型i的评分值。该式子表明，用户间共同高评分的手机机型权值大于共同低评分手机机型的权值；\n[0027] hij表示共同评分列表中手机ti与Tab中其他手机tj的相似度，p\n表示Tab中机型的个数。该式子表明，共同评分列表中的手机属于同一类群的(即相似度较高)手机越多，该手机的权值越大；\n[0028] 3)通过相似度计算公式计算用户a和用户b的相似度，计算的公式为：\n[0029]\n[0030] 其中\n[0031] 步骤2)-c中所说的前K个相似度最高的用户，即是将步骤2)-b中求解出来的用户u与其他用户的相似度进行一个排序，然后选择前K个用户作为a的邻居集合，K的值可以根据实际推进结果情况进行不断的调整以便得到一个最好的经验值K；\n[0032] 4)结束；\n[0033] 步骤3)-b中用户u对手机机型i的兴趣度计算公式为：\n[0034]\n[0035] 其中， 分别表示用户u和用户b对已评手机机型的评分均值；\n[0036] 步骤3)-c中所说的选择前N个手机机型，N的值可以根据实际推进结果情况进行不断的调整以便得到一个最好的经验值N；\n[0037] 本发明有益效果：本发明基于互联网上用户显示评分数据的手机机型推荐方法解决了传统的基于用户协同过滤推荐算法中的不足，不但考虑了用户的共同高评分和共同低评分之间的区别，而且也考虑了手机类群对推荐结果的影响。这样可以提高推荐结果的高效性，帮助手机商家进行更好的营销。\n附图说明\n[0038] 图1为手机机型推荐操作流程图。\n[0039] 图2为本发明的基于互联网上用户显示评分数据的手机机型推荐方法的流程图。\n[0040] 图3为用户邻居集合求解过程流程图。\n[0041] 图4为手机机型推荐列表产生阶段流程图。\n具体实施方式\n[0042] 为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。\n[0043] 如图1所示，手机机型推荐主要通过获取互联网上用户显示评分数据和手机机型参数信息、数据预处理和格式化、用户邻居集合求解、手机机型推荐列表产生等几个阶段。\n该过程也是基于用户的协同过滤推荐方法中的主要思想。\n[0044] 用户邻居集合求解和手机推荐列表是该过程的主要两个阶段。本发明的思路就是对这两个步骤进行了进一步处理，即在求解用户的相似度过程中，考虑了每款手机机型的权值，而不是像传统的方法那样一视同仁对待。这样可以提高推荐结果的精确度。\n[0045] 本发明的基于互联网上用户显示评分数据的手机机型推荐方法的流程图如图2所示。\n[0046] 步骤1为本发明的手机机型推荐方法的起始状态；\n[0047] 步骤2是在互联网上(比如电商网站)获取手机机型参数信息，用户-手机评价信息；\n[0048] 步骤3是计算不同手机机型之间的相似度，一般采用余弦距离公式；\n[0049] 步骤4是计算目标用户的邻居集合；\n[0050] 步骤5是给目标用户产生手机机型推荐列表阶段；\n[0051] 步骤6为图2的结束；\n[0052] 图3是对图2中步骤4的详细描述。\n[0053] 步骤7为起始状态；\n[0054] 步骤8输入需要给其推荐手机机型的用户u；\n[0055] 步骤9定义并初始化用户u与其他用户v之间的相似度数组s；\n[0056] 步骤10是循环访问用户-手机评价信息表中的每一条记录，然后操作步骤11-16，直到访问完成为止；\n[0057] 步骤11是计算目标用户与其他用户共同评分过的手机机型列表Tuv；\n[0058] 步骤12顺序访问Tuv中的每一款手机机型i；\n[0059] 步骤13计算i应有的权值w(i)；\n[0060] 步骤14计算加权评分均值m(u；w)和m(v；w)；\n[0061] 步骤15计算用户u和用户v之间的相似度sim(uv)；\n[0062] 步骤16将该用户v和其相似度sim(uv)加入到s中；\n[0063] 步骤17采用一种排序方法将s中按照sim(uv)从大到小进行排序；\n[0064] 步骤18输入需要的邻居个数K；\n[0065] 步骤19在s中选择前K个用户作为u的邻居集合；\n[0066] 步骤20为结束状态；\n[0067] 图4是对图2中步骤5的详细描述。\n[0068] 步骤21为起始状态；\n[0069] 步骤22输入需要给其推荐手机机型的用户u；\n[0070] 步骤23定义并初始化用户u与每款手机i的兴趣度数组P；\n[0071] 步骤24顺序访问user_mobile表，求解用户u未评价过的手机机型列表M；\n[0072] 步骤25循环访问M中的每一款手机机型，并进行步骤26-27的操作；\n[0073] 步骤26计算用户u对手机机型i的兴趣度p(u,i)；\n[0074] 步骤27将手机机型i和对应的p(u,i)加入到数组P中；\n[0075] 步骤28将P按照p(u,i)从大到小进行排序；\n[0076] 步骤29输入需要推荐的机型个数N；\n[0077] 步骤30在P中选择前N个手机机型作为最终推荐列表；\n[0078] 步骤31为结束状态。\n[0079] 综上所述，本发明利用了基于用户的协同过滤推荐方法思想，并考虑用户间对手机共同高评分和共同低评分区别以及手机间类群对相似度计算的影响，从而解决了传统的方法中计算相似度时候对不同手机都是一视同仁对待的缺陷。这样方法能够有效的提高推荐结果的准确度，为手机商家提供营销支持。