[發(fā)明專利]融合偏好和信任關系的協(xié)同過濾推薦方法

無效

• 申請?zhí)枺?/td>: 201210223579.9
• 申請日: 2012-07-02
• 公開（公告）號: CN102779182A
• 公開（公告）日: 2012-11-14
• 發(fā)明（設計）人: 楊博;趙鵬飛;趙學華;劉大有
• 申請（專利權）人: 吉林大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明屬于信息檢索領域，尤其涉及一種融合偏好信任關系的協(xié)同過濾推薦方法。

背景技術

推薦系統(tǒng)可以幫助用戶從海量信息中更容易的找到最感興趣的內容(如新聞、圖書、電影和音樂等)，是解決互聯(lián)網信息過載的主要途徑之一，已廣泛應用在電子商務中。

目前，已提出了多種推薦方法，如協(xié)同過濾推薦方法、基于內容的推薦方法及混合推薦方法等。其中，協(xié)同過濾算法由于其容易理解、實現(xiàn)簡單，已成功應用于大型商業(yè)推薦系統(tǒng)中。基于用戶的協(xié)同過濾方法的基本原理是：尋找與目標用戶偏好相似的其他用戶，然后將其感興趣的內容推薦給目標用戶。因而，尋找與目標用戶偏好相似的用戶是基于用戶的協(xié)同過濾的關鍵。目前，Pearson相關性、余弦相似度等是計算用戶偏好相似度的主要方法，這些方法都是利用兩個用戶之間的共同評分項目信息。然而，通常用戶-項目評分矩陣是非常稀疏的，導致與目標用戶有共同評分的用戶很少。此外，兩個用戶共同評分的項目數(shù)量一般很少。因此，現(xiàn)有的協(xié)同過濾推薦方法面臨著偏好相似用戶定位不準確問題，從而影響了評分預測的準確度和推薦質量。

針對評分數(shù)據(jù)稀疏問題，目前已提出一些方法減少其對推薦結果的影響，但效果并不理想。例如，利用奇異值分解方法刪除不重要的或噪音用戶和項目，降低用戶-項目評分矩陣的維數(shù)；利用潛在語義索引技術將兩個用戶投影到一個低維的空間上，再計算兩者的相似度等。

現(xiàn)實生活中，人與人之間自然地形成不同類型的社會關系網絡(如朋友關系、同事關系、合作關系)，并通過這些關系網絡傳遞信息。其中，相互間的信任對信息的交流發(fā)揮著重要作用，如人們更樂意與他所信任的人交流，也更容易被他所信任的人影響，而這種信任關系可從社會網絡中發(fā)現(xiàn)，我們稱之為信任關系。隨著web2.0的發(fā)展，人們(用戶)之間的社會關系網絡，可以更容易的挖掘出來。因此，利用社會關系網絡中的信任關系，解決推薦系統(tǒng)的數(shù)據(jù)稀疏性問題，開始受到關注。

2006年，Golbeck等人采用社會信任網絡，根據(jù)目標用戶信任的用戶對項目的評分來估計目標用戶對項目的評分值。2007年，Avesani等人基于用戶的社會信任網絡，采用有限步長的信任傳播方法，得到目標用戶對其他用戶的估計信任值，基于信任估計值產生評分估計。2010年，Jebrin等人通過用戶之間的信任關系和用戶對項目的評分信息來計算每個用戶的“全局信譽”值，基于“全局信譽”值較高的用戶對項目的評分來估計目標用戶對項目的評分。

但以上方法將用戶間的信任關系和用戶對項目的評分信息隔離開來或者進行簡單的線性融合，仍未能有效解決數(shù)據(jù)稀疏性對推薦系統(tǒng)的影響。

發(fā)明內容

針對用戶評分數(shù)據(jù)稀疏導致推薦系統(tǒng)產生的推薦結果不準確問題，本發(fā)明的目的是提供一種融合偏好信任關系的協(xié)同過濾推薦方法。該方法將互聯(lián)網上的多種信息源有效融合到圖模型中，利用馬爾可夫隨機游走方法，計算用戶間的相似度，進行評分預測，可以獲得更準確的推薦結果。

本發(fā)明提供了一種融合偏好信任關系的協(xié)同過濾推薦方法，所述方法包括如下步驟：

S1，基于用戶-項目評分數(shù)據(jù)，計算用戶間的相似度，構建用戶偏好關系網絡；

S2，融合偏好關系網絡與信任關系網絡，構建用戶偏好信任關系網絡；

S3，基于馬爾可夫隨機游走方法，利用用戶偏好信任關系網絡，計算用戶間的相似度，確定目標用戶的相似近鄰；

S4，根據(jù)目標用戶的相似近鄰對某一項目的評分值，為目標用戶預測其對相應項目的評分值。

附圖說明

圖1給出了融合偏好信任關系的協(xié)同過濾推薦方法的流程示意圖。

圖2用戶-項目評分數(shù)據(jù)的矩陣示意圖

圖3用戶偏好關系網絡示意圖

圖4用戶信任關系數(shù)據(jù)的矩陣示意圖

圖5用戶信任關系網絡示意圖

圖6用戶偏好信任關系網絡示意圖

圖7平均絕對誤差與ρ的關系圖

圖8均方根與ρ的關系圖。

具體實施方式

以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍?，F(xiàn)通過附圖和實施例對本發(fā)明作進一步的詳細描述。

本發(fā)明實施例的前提是已獲得了用戶-項目評分數(shù)據(jù)與用戶信任關系數(shù)據(jù)。

圖1為本發(fā)明實施例提供的融合偏好信任關系的協(xié)同過濾推薦方法流程示意圖，如圖1所示，本實施例主要包含以下步驟：