[發明專利]一種基于信任關系的物品推薦方法

在審

• 申請號: 201510272410.6
• 申請日: 2015-05-25
• 公開（公告）號: CN104915391A
• 公開（公告）日: 2015-09-16
• 發明（設計）人: 李華康;邵嘉輝;孫國梓;楊一濤
• 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: 南京知識律師事務所 32207
• 代理人: 汪旭東

技術領域

本發明屬于人工智能領域，具體涉及一種基于信任關系的物品推薦方法。

背景技術

隨著信息技術和互聯網的發展，用戶信息、商品信息等各種數據呈指數增長，出現了“信息過載”，無論是信息消費者還是信息生產者都遇到了很大的挑戰：作為信息消費者，如何從大量信息中找到自己感興趣的信息是一件非常困難的事情；作為信息生產者，如何讓自己生產的信息脫穎而出，受到廣大用戶的關注，也是一件非常困難的事情。推薦方法就是解決這一矛盾的重要工具。

目前，幾乎所有大中型的網站，例如Facebook，Amazon，Netflix，淘寶網，豆瓣網等都不同程度的使用了各種形式的推薦方法，并且取得顯著的效果。推薦方法已經成為電子商務、社交網絡中的一項非常重要的技術，也產生了巨大的經濟效益。推薦方法在理論和實踐方面都得到了很大發展。

目前涌現了各種各樣的推薦算法，主要的方法有基于內容的推薦和協同過濾推薦。

基于內容的推薦是根據用戶的歷史行為(如瀏覽記錄、對項目的評價等)構造個人興趣圖譜和文檔，計算被推薦項目與用戶興趣文檔的相似度，將相似度高的項目推薦給用戶，例如Pandora音樂網站，其音樂家和研究人員親自聽了上萬首來自不同歌手的歌，然后對歌曲的不同特性(比如旋律、節奏、編曲和歌詞等)進行標注，然后，Pandora會根據專家標注的基因計算歌曲的相似度，并給用戶推薦和他之前喜歡的音樂在基因上相似的其他音樂。很顯然，這種方式依賴于對項目屬性的準確描述，需要大量的收集項目的屬性信息，性能低，通常具有冷啟動和擴展性的問題。

另一種主流的方法是協同過濾推薦。最早應用在郵件方法Tapestry中。協同過濾算法也分為基于用戶的協同過濾和基于項目(物品)的協同過濾。基于用戶的協同過濾算法給用戶推薦和他興趣相似的其他用戶喜歡的物品，基于物品的協同過濾算法給用戶推薦和他之前喜歡的物品相似的物品。舉例來說，基于用戶的協同過濾算法只需根據用戶以往對物品的評分信息就可以計算用戶之間的相似度，然后就可以把與目標用戶(被推薦用戶)相似度高的那些用戶喜歡的東西推薦給目標用戶。同理，基于物品的協同過濾算法可以根據物品被喜歡的用戶計算物品之間的相似度，然后進行推薦。

協同過濾算法很好的彌補了基于內容推薦算法的不足，憑借著自身簡單高效的特點，在很多領域都被廣泛應用，但是這種方法只依賴用戶的歷史評分信息，沒有利用其他的數據，本身也存在著冷啟動、數據稀疏等問題。

近年來，國內外研究者們在基于信任計算和個性化推薦方面進行了大量研究，主要利用信任關系改善個性化推薦的性能，在一定程度上緩解了推薦的數據稀疏性問題，并取得了一定研究成果。然而已有方法主要關注用戶顯式信任關系的計算及其推理，很多有價值的隱式信任關系往往被忽略，且僅僅考慮了當前推薦平臺上的信任關系。

因此，需要一種更加有效地解決冷啟動用戶和數據稀疏問題的推薦方法。

發明內容

本發明針對上述現有技術存在的問題作出改進，即本發明要解決的技術問題是提供一種基于信任關系的物品推薦方法，能夠解決往推薦系統中的數據稀疏性問題和冷啟動用戶問題。

為了解決上述技術問題，本發明提供了如下的技術方案：

一種基于信任關系的物品推薦方法，包括如下步驟：

S1、建立用戶模型和物品模型、建立舊用戶-物品評分模型、用戶-用戶信任模型，確定被推薦用戶；

S2、根據用戶-用戶信任模型，初始信任模型定義為直接信任；系統定義如果用戶A直接信任用戶B，用戶B直接信任用戶C，且用戶A在初始狀態和用戶C沒有直接信任關系，那么定義用戶A間接信任用戶C，這種情況為1步傳遞；以此類推2步傳遞和3步傳遞，并在傳遞過程中加入信任衰減；計算出被推薦用戶的所有信任關系；

S3、對于舊用戶，根據舊用戶-物品評分模型計算出被推薦用戶與其他舊用戶的相似度，結合被推薦用戶的信任關系，整合得出被推薦用戶的最相似用戶集；對于新用戶，根據新用戶與舊用戶之間信任關系計算出被推薦用戶的最相似用戶集；然后在最相似用戶集上利用協同過濾算法預測物品評分，將高評分物品作為推薦。

所述用戶模型的建立：根據用戶歷史記錄，包括購買的物品和對物品的評分和用戶之間的聯系建立用戶模型；對于新用戶，系統導入互聯網上此用戶與其他舊用戶之間的聯系，建立用戶模型。