[發明專利]一種基于用戶特征及其信任度的協同過濾推薦方法

無效

• 申請號: 201310646099.8
• 申請日: 2013-12-04
• 公開（公告）號: CN103761237A
• 公開（公告）日: 2014-04-30
• 發明（設計）人: 王曉軍;馮旻遠
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 奚幼堅

1.一種基于用戶特征和用戶信任度的協同過濾推薦方法，其特征在于：在協同過濾的基礎上引入用戶特征和用戶信任度對協同過傳統濾推薦算法進行改進，在計算相似度時結合評分數據和用戶特征因素，并在生成推薦時加入用戶信任度，包括如下步驟：

步驟1，獲取用戶的歷史評分數據和用戶特征信息；

步驟2，在歷史評分數據上利用Pearson相關系數公式，在用戶特征數據上利用歐氏距離公式，分別構造基于用戶評分的用戶相似度矩陣SimUser1(x,y)和基于用戶特征的相似度矩陣SimUser2(x,y)：

SimUser1(x,y)=Σs∈Sxy(R(x,s)-Ax)(R(y,s)-Ay)Σs∈Sxy(R(x,s)-Ax)2Σs∈Sxy(R(y,s)-Ay)2]]>

SimUser2(x,y)=11+Σk=1n(xk-yk)2]]>

其中S_xy=S_x∩S_y，表示用戶x和用戶y共同評過分的項目集合，R_（x,s）表示用戶x對項目s的評分，A_x表示用戶x對項目的平均評分，R_（y,s）表示用戶y對項目s的評分，A_y表示用戶y對項目的平均評分，n表示用戶的特征數目，x_k表示用戶x的第k個特征值，y_k表示用戶y的第k個特征值；

步驟3，選取權值ω，將基于用戶評分的用戶相似度SimUser1(x,y)和基于用戶特征向量的用戶相似度SimUser2(x,y)結合起來，得到最終用戶相似度矩陣：

SimUser(i,j)=ω*SimUser1(i,j)+(1-ω)*SimUser2(i,j)

其中權值ω的范圍為0至1；

步驟4，對用戶相似度矩陣按照相似度從大到小的順序對每個用戶進行排序，得到鄰居矩陣，利用KNN算法，即kNearestNeighbors，K最臨近算法，在鄰居矩陣中選出與目標用戶最相似即SimUser值最大的k個用戶作為近鄰，得到用戶最近鄰居矩陣；

步驟5，將用戶歷史評分的數量作為信任度，構造用戶信任度矩陣：

輸入用戶對項目的歷史評分數據

輸出UserTrui=θ+(1-θ)CriMaxCr]]>

1）首先獲取用戶對項目的歷史評分數據；

2）對每個用戶i統計其所評分項目的數量Cr_i，并找出Cr_i的最大值MaxCr，選取調和權值θ，范圍為0至1；

3）根據輸出所示等式計算用戶信任度UserTru_i；

步驟6，利用用戶最近鄰矩陣和加入信任度的加權平均推薦公式計算用戶推薦結果，得到最終的與測評分，推薦公式如下：

Pu=Au+Σi=1c(Ri-Ai)*SimUser(i,u)*UserTruiΣi=1cSimUser(i,u)*UserTrui]]>

其中A_u表示用戶u對項目的平均評分，c表示用戶u的鄰居數目，R_i表示u的鄰居用戶i對當前項目的評分，A_i表示用戶i對項目的平均評分，SimUser(i,u)表示用戶i和u的相似度，UserTru_i表示鄰居用戶i的信任度，P_u表示用戶u對當前項目的推薦結果。