一種基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法
【專利摘要】本發(fā)明提供了一種基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，該方法通過(guò)對(duì)兩個(gè)對(duì)象不可分辨性的特點(diǎn)分析，提出一種更符合統(tǒng)計(jì)意義的變精度容差關(guān)系擴(kuò)展粗糙集，通過(guò)分辨矩陣，獲取核集，并將包含核屬性的分辨矩陣元素置空。初始化約簡(jiǎn)集為核集，之后將分辨矩陣非空元素出現(xiàn)次數(shù)最多的屬性分別與約簡(jiǎn)集中的相應(yīng)約簡(jiǎn)做并運(yùn)算，得到新的約簡(jiǎn)，同時(shí)將分辨矩陣中含有該屬性的元素置空，完成約簡(jiǎn)集的提取。針對(duì)每個(gè)約簡(jiǎn)，構(gòu)建知識(shí)樹，界定剪枝條件，根據(jù)剪枝條件進(jìn)行特殊情況的剪枝，降低計(jì)算復(fù)雜度，獲取有效規(guī)則，形成規(guī)則集，從而有效實(shí)現(xiàn)數(shù)據(jù)挖掘。最后根據(jù)需推薦結(jié)果的條件屬性值，在規(guī)則集中進(jìn)行規(guī)則匹配，依據(jù)匹配結(jié)果，完成個(gè)性化推薦。
【專利說(shuō)明】一種基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于決策信息系統(tǒng)大數(shù)據(jù)處理【技術(shù)領(lǐng)域】，尤其是不完備決策信息系統(tǒng)的處理及個(gè)性化推薦，具體設(shè)計(jì)一種基于變精度容差關(guān)系擴(kuò)展粗糙集(Variable-precis1nTolerance relat1n, VT)的個(gè)性化推薦方法。
【背景技術(shù)】
[0002]近年來(lái)，隨著門戶網(wǎng)站、社交網(wǎng)絡(luò)、電子商務(wù)等網(wǎng)絡(luò)應(yīng)用的發(fā)展，產(chǎn)生并積累了大量數(shù)據(jù)，這些數(shù)據(jù)具有Volume (大量)、Velocity (高速)、Variety (多樣)、Value (價(jià)值)等特點(diǎn)。但同時(shí)，這些大數(shù)據(jù)中往往不具備完備性，即難以達(dá)到各相關(guān)屬性值都是確定的要求。如電子商務(wù)方面對(duì)用戶的了解，單從購(gòu)物習(xí)慣來(lái)講，可以看用戶的購(gòu)物記錄、搜索記錄、用戶在意的是價(jià)格、質(zhì)量、信譽(yù)度還是其他？可這些條件，并不都是完整的，用戶可能只提供了其中幾個(gè)方面。
[0003]對(duì)于現(xiàn)有以及未來(lái)更多的大數(shù)據(jù)，獲取大數(shù)據(jù)的價(jià)值成為大數(shù)據(jù)處理的焦點(diǎn)，其中一個(gè)典型的應(yīng)用是發(fā)現(xiàn)大數(shù)據(jù)的潛在規(guī)律，提取有效規(guī)則，用于個(gè)性化推薦。
[0004]個(gè)性化推薦是根據(jù)用戶特點(diǎn)，向用戶推薦符合其要求的結(jié)果，是建立在大數(shù)據(jù)基礎(chǔ)上的一種高級(jí)商務(wù)智能平臺(tái)，提供個(gè)性化的決策支持和信息服務(wù)。如在電子商務(wù)中，可以根據(jù)用戶的興趣特點(diǎn)、購(gòu)買行為等要素，向用戶推薦其可能感興趣的信息或者商品，以期達(dá)到減少用戶找尋時(shí)間、匹配最佳產(chǎn)品，提高相應(yīng)商家銷量等目標(biāo)。
[0005]現(xiàn)有個(gè)性化 推薦方法主要是四類:
[0006]1、協(xié)同過(guò)濾系統(tǒng)。這是第一代提出并得到廣泛應(yīng)用的推薦系統(tǒng)。第一個(gè)投入應(yīng)用的協(xié)同過(guò)濾系統(tǒng)是Grundy。其他利用協(xié)同過(guò)濾方法進(jìn)行推薦的系統(tǒng)有Amazon ?com的書籍推薦系統(tǒng)，Phoaks的WWW信息推薦系統(tǒng)等。
[0007]2、基于內(nèi)容的推薦系統(tǒng)。在大多數(shù)的基于內(nèi)容的推薦系統(tǒng)中，產(chǎn)品的內(nèi)容常常被描述成關(guān)鍵詞，F(xiàn)ab系統(tǒng)就是一個(gè)典型的例子
[0008]3、基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法。周濤和Huang等利用用戶一產(chǎn)品,用二部分圖建立用戶一產(chǎn)品關(guān)聯(lián)關(guān)系，并據(jù)此提出了基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法。張翼成考慮用戶對(duì)產(chǎn)品的打分信息，在更復(fù)雜的環(huán)境下實(shí)現(xiàn)了基于熱傳導(dǎo)和物質(zhì)擴(kuò)散的推薦算法，效果好于經(jīng)典的協(xié)同過(guò)濾算法。
[0009]4、混合推薦算法。協(xié)同過(guò)濾、基于內(nèi)容以及基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法在投入實(shí)際運(yùn)營(yíng)的時(shí)候都有各自的缺陷，集中體現(xiàn)在數(shù)據(jù)稀疏性、冷啟動(dòng)、無(wú)法適應(yīng)用戶興趣的變化等問(wèn)題上，嚴(yán)重影響了推薦算法性能。因此實(shí)際的推薦系統(tǒng)大多把不同的推薦算法進(jìn)行結(jié)合，提出了混合推薦算法，目前，最常見的混合推薦系統(tǒng)是基于協(xié)同過(guò)濾和基于內(nèi)容的。
[0010]以上典型方法難以處理不完備信息決策系統(tǒng)問(wèn)題，亦即大數(shù)據(jù)環(huán)境下不完備決策信息系統(tǒng)的個(gè)性化推薦方法尚待研究。由于不完備決策信息系統(tǒng)越來(lái)越多，不完備決策信息系統(tǒng)下的個(gè)性化推薦問(wèn)題的解決顯得越來(lái)越重要。
【發(fā)明內(nèi)容】

[0011]本發(fā)明的目的是針對(duì)當(dāng)今不完備決策信息系統(tǒng)越來(lái)越多，個(gè)性化推薦應(yīng)用前景越來(lái)越廣闊的問(wèn)題，提出了一種基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，充分利用擴(kuò)展粗糙集對(duì)不完備決策信息處理的優(yōu)勢(shì)，通過(guò)建立一種更符合統(tǒng)計(jì)意義的變精度容差關(guān)系，界定一種新的擴(kuò)展粗糙集，并在此基礎(chǔ)上構(gòu)建新的分辨矩陣，從降低計(jì)算復(fù)雜度的角度出發(fā)，獲得約簡(jiǎn)集，挖掘有效決策規(guī)則，實(shí)現(xiàn)更為合理的個(gè)性化推薦。
[0012]本發(fā)明的技術(shù)方案是:
[0013]一種基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，包括:
[0014]步驟一:定義變精度容差關(guān)系擴(kuò)展粗糙集VT，包括定義變精度容差關(guān)系，給出不可分辨類，并進(jìn)一步界定上近似集、下近似集；
[0015]步驟二:根據(jù)變精度容差關(guān)系擴(kuò)展粗糙集的不可分辨類，計(jì)算屬性集下的精確度和屬性的重要性，在判斷可分辨對(duì)象的分辨屬性時(shí)，除了將明確且不相等的屬性作為分辨矩陣元素的因子外，特別考慮存在不確定值的屬性的重要性，如果重要性大于等于預(yù)設(shè)閾值，則也作為分辨矩陣元素的因子；
[0016]步驟三:提取約簡(jiǎn)集RED，提取分辨矩陣只有一個(gè)屬性的元素做并集后形成核集，并將分辨矩陣含核屬性的元素全部置空，之后從非空元素包含屬性最少的所有屬性出發(fā)，分別將出現(xiàn)次數(shù)最多的屬性并入約簡(jiǎn)集，依次循環(huán)，直到每一個(gè)約簡(jiǎn)集中每一個(gè)約簡(jiǎn)包含所有分辨矩陣元素至少一個(gè)屬性結(jié)束；
[0017]步驟四:挖掘決策規(guī)則集，首先將約簡(jiǎn)集中的每個(gè)約簡(jiǎn)建立一棵知識(shí)樹，在建樹過(guò)程中，根據(jù)置信度和支持度判定規(guī)則有效性，有效且不在規(guī)則集中的規(guī)則并入，同時(shí)根據(jù)界定的剪枝條件，進(jìn)行剪枝；
[0018]步驟五:個(gè)性化推薦，獲取用戶給出的條件屬性值后，利用規(guī)則集中的已有規(guī)則，與條件屬性值進(jìn)行匹配，從而給出合理決策推薦結(jié)果。
[0019]本發(fā)明的步驟一具體為:
[0020]步驟101:定義變精度容差關(guān)系；
[0021]給定決策信息系統(tǒng)(U，C U d，F(xiàn))，對(duì)于任何具有遺漏屬性值的屬性，記遺漏值為 其中U = {x1； X2,…，XnI為包含η個(gè)對(duì)象的對(duì)象集，Xi為第i個(gè)對(duì)象，i = 1、2、...、
n, Xj為第j個(gè)對(duì)象,j = 1、2、...、n ;C = Ic1, c2,...&}為包含m個(gè)條件屬性的條件屬性集，
Ck為第k個(gè)屬性，k= 1、2.....m，d為決策屬性，F(xiàn)為U與C U d之間的關(guān)系集，Ck(Xi)為
第i個(gè)對(duì)象在第k個(gè)屬性下的取值，Vk為第k個(gè)屬性下的屬性值集合，記|Vk|表示Vk中元素即屬性值的個(gè)數(shù)，Cl(Xi)為對(duì)象Xi的決策屬性值。
[0022]在兩個(gè)不同對(duì)象Xi, Xj的比較中，記確定且相等、一個(gè)確定一個(gè)不確定、均不確定、都確定且不相等的條件屬性集分別為Sp S2, S3、S4,即:
[0023]S1 = {ck I ck e C Λ Ck(Xi)古 * Λ Ck(Xj)古 * Λ Ck(Xi) = Ck (Xj)}
[0024]S2 = {ck|ck e C Λ ((Ck(Xi) = * Λ Ck(Xj)關(guān) *) V (Ck(Xi)關(guān) * Λ Ck(Xj) = *))}
[0025]S3 = {ck|ck e C Λ Ck(Xi) = * Λ Ck(Xi) = *}
[0026]S4 = {ck|ck e C Λ Ck(Xi)古 * Λ Ck(Xj)古 * Λ Ck(Xi) Φ Ck (Xj)}
[0027]同一對(duì)象Xi與其自身的比較中，記所有條件屬性集為S5，即:
[0028] = {ck I Vcit e C\[0029]則兩個(gè)對(duì)象Xi, Xj在屬性Ck下的不可分辨可能性puk為:
[0030]
【權(quán)利要求】
1.一種基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，其特征在于，包括: 步驟一:定義變精度容差關(guān)系擴(kuò)展粗糙集VT，包括定義變精度容差關(guān)系，給出不可分辨類，并進(jìn)一步界定上近似集、下近似集； 步驟二:根據(jù)變精度容差關(guān)系擴(kuò)展粗糙集的不可分辨類，計(jì)算屬性集下的精確度和屬性的重要性，在判斷可分辨對(duì)象的分辨屬性時(shí)，除了將明確且不相等的屬性作為分辨矩陣元素的因子外，特別考慮存在不確定值的屬性的重要性，如果重要性大于等于預(yù)設(shè)閾值，則也作為分辨矩陣元素的因子； 步驟三:提取約簡(jiǎn)集RED，提取分辨矩陣只有一個(gè)屬性的元素做并集后形成核集，并將分辨矩陣含核屬性的元素全部置空，之后從非空元素包含屬性最少的所有屬性出發(fā)，分別將出現(xiàn)次數(shù)最多的屬性并入約簡(jiǎn)集，依次循環(huán)，直到每一個(gè)約簡(jiǎn)集中每一個(gè)約簡(jiǎn)包含所有分辨矩陣元素至少一個(gè)屬性結(jié)束； 步驟四:挖掘決策規(guī)則集，首先將約簡(jiǎn)集中的每個(gè)約簡(jiǎn)建立一棵知識(shí)樹，在建樹過(guò)程中，根據(jù)置信度和支持度判定規(guī)則有效性，有效且不在規(guī)則集中的規(guī)則并入，同時(shí)根據(jù)界定的剪枝條件，進(jìn)行剪枝； 步驟五:個(gè)性化推薦，獲取用戶給出的條件屬性值后，利用規(guī)則集中的已有規(guī)則，與條件屬性值進(jìn)行匹配，從而給出合理決策推薦結(jié)果。
2.如權(quán)利要求1所述的基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，其特征在于，步驟一具體為: 步驟101:定義變精度容差關(guān)系； 給定決策信息系統(tǒng)(U，C U d, F)，對(duì)于任何具有遺漏屬性值的屬性，記遺漏值為其中U = {χ1； X2,..., XnI為包含η個(gè)對(duì)象的對(duì)象集,Xi為第i個(gè)對(duì)象，i = 1、2、...、η,χ」為第j個(gè)對(duì)象，j = 1、2、...、n ;C = Ic1, c2,.“cm}為包含m個(gè)條件屬性的條件屬性集，Ck為第k個(gè)屬性，k= 1、2.....m，d為決策屬性，F(xiàn)為U與C U d之間的關(guān)系集，Ck(Xi)為第i個(gè)對(duì)象在第k個(gè)屬性下的取值，Vk為第k個(gè)屬性下的屬性值集合，記|Vk|表示Vk中元素即屬性值的個(gè)數(shù)，Cl(Xi)為對(duì)象Xi的決策屬性值。 在兩個(gè)不同對(duì)象Xi, Xj的比較中，記確定且相等、一個(gè)確定一個(gè)不確定、均不確定、都確定且不相等的條件屬性集分別為S1、S2, S3、S4,即:
51={ck|ck eC ΛCk(Xi) Φ 夂 ?\ Ck(Xj)關(guān) * Λ Ck(Xi) = Ck (Xj)}
52={ck|ck eC Λ((Ck(Xi) = * Λ Ck(Xj)古 *) V (Ck(Xi)古 * Λ Ck(Xj) = *))}
53={ck|ck ec ΛCk(Xi) = * Λ Ck(Xi) = *}
54={ck|ck eC ΛCk(Xi) Φ 夂 ?\ Ck(Xj)關(guān) * Λ Ck(Xi) Φ Ck (Xj) } 同一對(duì)象Xi與其自身的比較中，記所有條件屬性集為S5,即:
5*5 = {ck I Vc/f e Q 則兩個(gè)對(duì)象Xi，Xj在屬性Ck下的不可分辨可能性PiU為:
3.如權(quán)利要求1所述的基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，其特征在于，步驟二具體為: 步驟201:獲取屬性集C的精確度rc ；
4.如權(quán)利要求1所述的基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，其特征在于，步驟三具體為: 步驟301:將分辨矩陣M上三角非空元素依次存入二維數(shù)組G(i’，j’)，其中二維數(shù)組的第一維度i’表示分辨矩陣上三角元素中的第i’個(gè)非空元素，其后的第二維度j’表示這個(gè)元素中的第j’個(gè)可分辨屬性，將二維數(shù)組中包含屬性只有一個(gè)的元素形成集合，得到核集 core ； 步驟302:提取約簡(jiǎn)集RED ； 將G中含有核屬性的所有元素置空； 將核集core中所有核屬性存入約簡(jiǎn)集RED，作為RED的初始值，然后求出G中含屬性個(gè)數(shù)最少的元素，將這些元素包含的所有屬性并入臨時(shí)變量集，再計(jì)算這些元素在G中出現(xiàn)的次數(shù)，將出現(xiàn)次數(shù)最多的每個(gè)屬性分別與RED做并運(yùn)算以形成RED新的元素，依次循環(huán)，直到G為空，得到最終約簡(jiǎn)集RED。
5.如權(quán)利要求1所述的基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，其特征在于，步驟四具體為: 步驟401:構(gòu)建知識(shí)層次樹； 將約簡(jiǎn)集RED中每個(gè)約簡(jiǎn)的屬性由少到多，依次建立知識(shí)樹； 步驟402:挖掘決策規(guī)則； 界定兩種剪枝條件:一種置信度為I剪枝，另一種支持度小于預(yù)設(shè)閾值剪枝； 其中置信度為 Xb為對(duì)象集U在屬性集B下的不可分辨類劃分； Xd為對(duì)象集U在決策屬性d下的不可分辨類劃分； xB n XdU xj分別為χΒ η χ、χΒ中對(duì)象的個(gè)數(shù)； 支持度為
6.如權(quán)利要求1或5所述的基于變精度容差關(guān)系擴(kuò)展粗糙集的個(gè)性化推薦方法，其特征在于，步驟五具體為:根據(jù)用戶提供的條件屬性值，匹配步驟四所得挖掘決策規(guī)則中的有效規(guī)則，推薦合適決策結(jié)果。
【文檔編號(hào)】G06F17/30GK104036022SQ201410297448
【公開日】2014年9月10日 申請(qǐng)日期:2014年6月26日 優(yōu)先權(quán)日:2014年6月26日
【發(fā)明者】鄭桂玲, 孫亮, 張利娜, 張琰, 孫建偉, 吉克 申請(qǐng)人:東南大學(xué)成賢學(xué)院, 無(wú)錫云歌電子商務(wù)有限公司