[發明專利]基于偏好模型的社會化過濾方法

有效

• 申請號: 201210000228.1
• 申請日: 2012-01-04
• 公開（公告）號: CN102521420A
• 公開（公告）日: 2012-06-27
• 發明（設計）人: 王靜;劉志鏡;趙輝;曲建銘;賀文華;王煒華;王縱虎;陳東輝;朱旭東
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于偏好模型的社會化過濾方法，包括如下步驟：

(1)從網頁配置文件中獲取一個組G＝{u₁，u₂，…，u_g}，u_l為組員，1≤l≤g，g為組G中組員的個數；再從組內獲取所有組員喜好對象的列表M＝{m₁，m₂，…，m_p}，m_i為組員喜好對象，1≤i≤p，p為列表M中對象的個數；

(2)根據組G的特征，分別計算組員u_l和組員喜好對象m_i對組的影響因子，得到對組G的加權影響向量：為組員喜好對象m_i對組G歸一化后的加權影響因子，1≤i≤p；

(3)使用關鍵字表示組員喜好對象m_i，得到組員喜好對象m_i的關鍵字向量W_i＝{w₁，w₂，…，w_n}，w_q為組員喜好對象m_i的關鍵字，1≤q≤n，n為組員喜好對象m_i的關鍵字個數；

(4)將對象列表M的關鍵字向量表示為W＝{W₁，W₂，…，W_p}，W_i表示組員喜好對象m_i的關鍵字向量，1≤i≤p；

(5)根據步驟(2)中所述的加權影響向量和步驟(4)中所述對象列表M的關鍵字向量W，計算組G的綜合加權影響向量

(6)輸入待分析對象m′，并使用關鍵字表示待分析對象m′，得到待分析對象m′的關鍵字向量W′＝{w′₁，w′₂，…，w′_k}，其中w′_r為待分析對象m′的關鍵字，1≤r≤k，k為待分析對象m′的關鍵字個數；

(7)根據步驟(6)中所述待分析對象m′的關鍵字向量W′和步驟(5)中所述組G的加權影響向量計算待分析對象m′的過濾系數Y：

Y=Σi=1pyi,]]>

其中，y_i為過濾因子，1≤i≤p；

(8)根據步驟(7)中所述待分析對象m′的過濾系數Y，判斷推薦條件：若Y≥λ，則表示待分析對象m′滿足推薦條件，并向組G予以推薦；反之不予以推薦，λ為推薦系統預設的閾值，0≤λ≤1。

2.根據權利要求1所述的基于偏好模型的社會化過濾方法，其中步驟(1)所述的喜好對象，是指組員在其網頁上顯示其喜好的對象信息；所述的喜好對象列表，是取每個組員所喜好對象的一個并集。

3.根據權利要求1所述的基于偏好模型的社會化過濾方法，所述步驟(2)中計算組員u_l和組員喜好對象m_i對組G的影響因子，包括如下步驟：

(2a)計算組員u_l對組G的影響因子

fG,ul=NulΣul∈GNul]]>

其中，表示組員u_l在組G中的好友個數，組G＝{u₁，u₂，…，u_g}，u_l為組員，1≤l≤g，g為組G中組員的個數；

(2b)計算組員喜好對象m_i對組G的影響因子

fG,mi=SmiΣul∈Tul]]>

其中，表示組G內包含組員喜好對象m_i的組員個數，表示組G內組員u_l所有喜好的對象的個數，組員喜好對象的列表M＝{m₁，m₂，…，m_p}，m_i為組員喜好對象，1≤i≤p，p為列表M中對象的個數；

(2c)根據組員u_l對組G的影響因子和組員喜好對象m_i對組G的影響因子，計算組員喜好對象m_i對組G的加權影響因子x_i：

xi=fG,mi*Σul∈Gα·fG,ul]]>

其中，α為加權系數，1≤i≤p，1≤l≤g；

(2d)使用得到的加權影響因子x_i，表示加權影響因子向量X＝{x₁，x₂，…，x_p}，對加權影響因子向量X進行歸一化處理，得到加權影響向量X~={x~1,x~2,···,x~p},]]>Σi=1px~i=1,1≤i≤p.]]>