[發明專利]一種面向社交網絡基于云模型的推薦系統評分預測方法

有效

• 申請號: 201611189964.0
• 申請日: 2016-12-21
• 公開（公告）號: CN106650972B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 肖云鵬;孫華超;劉宴兵;劉彥馳;李唯果;張克毅
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06Q10/02
• 分類號: G06Q10/02;G06Q50/00;G06F16/9535
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

本發明請求保護一種基于云模型的社交網絡推薦系統評分預測方法，屬于數據挖掘和信息檢索領域。該方法利用評分社交網站中數據集，收集用戶的歷史評分記錄，用戶的社交關系。本發明針對用戶評分主觀性，通過逆向云發生器對用戶評分構建評分云，采用綜合云模型融合所有用戶評分云生成父云，在父云下生成新的評分，并用評分對用戶進行聚類，以發現用戶的相似群體；為克服評分數據稀疏問題，通過引入隸屬度和高維云模型，結合用戶社交關系，并基于高斯變換構建多規則綜合預測方法。

技術領域

本發明涉及數據挖掘和信息檢索領域，涉及推薦系統的個性化推薦，是一種面向社交網絡基于云模型的推薦系統評分預測方法。

背景技術

互聯網的出現和普及給用戶帶來了大量的信息，滿足了用戶在信息時代對信息的需求，但隨著網絡的迅速發展，網絡信息量的不斷增加，信息超載的問題隨之而來。針對信息超載問題，國內外專家學者不斷提出新的方法，如強化搜索引擎、優化推薦方案。

近年來，推薦系統受到物聯網巨頭和電商越來越多的青睞，尤其個性化推薦技術的發展，它是根據用戶的信息需求和興趣，將用戶感興趣的信息和產品推薦給用戶的個性化信息推薦系統。推薦系統可以分為兩類：預測和topN推薦。前者是預測用戶對項目的評分，后者是向用戶提供一個個性化推薦列表。目前，研究應用最廣泛的推薦系統評分預測方法主要有兩種，一種是基于內容的評分預測，另一種是基于協同過濾的評分預測。基于內容的是通過對推薦項目內容信息的分析，形成表示推薦項目內容的資源特征描述，并根據用戶過往行為記錄對用戶興趣進行建模，通過計算已知用戶偏好與項目屬性刻畫內容之間的匹配度來預測用戶對項目的評分。基于協同過濾方案的是利用用戶的過往行為記錄，尋找用戶的相似群體，并根據相似群體對推薦對象的評分，從而預測用戶對項目的評分。由于互聯網信息資源的多樣性，基于內容的評分預測對多媒體資源內容解析的知識要求較高。因此，基于協同過濾的評分預測方法得到了更廣泛的應用。

隨著電子商務規模的擴大，不僅使數據量急劇增加，而且導致了用于評分預測的數據產生稀疏性，從而使傳統協同過濾技術評分預測方法的預測精度急劇下降。此外，由于用戶評分具有一定的主觀性和用戶自身的個體差異性，造成了難以發現目標用戶真實興趣相似群體的困難。因此，解決數據稀疏及評分標準不統一問題對提高預測精度起著重要作用。

然而對于數據稀疏和評分標準不統一問題，目前的推薦系統評分預測方法仍然沒有很好的解決，為了提高評分預測的精度，增強推薦系統的性能，我們需要從問題出發，制定合適的解決方案。云模型是一個定性和定量之間的不確定轉換模型，利用此特性可以把定量評分轉換為定性的概念，并從定性概念入手統一用戶評分的標準，云模型的另外一個特性是在形成云的過程中，其中一個特定的云滴不重要，重要的是云的整體形狀，利用此特征可克服評分稀疏的問題，而在具體實施中如何利用云模型的特點構建可以克服數據稀疏和評分標準不統一問題的評分模型仍是本研究的難點。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種有效的解決用戶評分數據稀疏情況下傳統預測方法存在的問題，并提高預測精度的面向社交網絡基于云模型的推薦系統評分預測方法。本發明的技術方案如下：

一種面向社交網絡基于云模型的推薦系統評分預測方法，其包括以下步驟：

步驟1、獲取評論或社交網絡平臺上的用戶歷史評分記錄及用戶社交網絡關系；

步驟2、根據用戶的歷史評分記錄構建一維評分云，采用綜合云技術融合所有一維評分云形成父云，通過父云生成新的用戶評分；

步驟3、并根據新的用戶評分對用戶進行聚類，發現用戶的相似群體，社交關系是用戶的好友關系，也就是用戶在社交網絡中用的好友，是數據中存在的，不需要預測，聚類的目的則是找出和用戶興趣相似的其他用戶，也就是聚類結果中同一個類別的那部分用戶；并根據用戶的新評分對用戶進行聚類，通過聚類結果來發現用戶的相似群體，即用戶所在類內的其他用戶為該用戶的相似群體。