[發明專利]一種基于用戶社區和評分聯合社區的推薦方法

有效

• 申請號: 201910048924.1
• 申請日: 2019-01-18
• 公開（公告）號: CN109918562B
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 文凱;朱傳亮;易冰
• 申請（專利權）人: 重慶郵電大學;重慶信科設計有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06
• 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;陳棟梁

1.一種基于用戶社區和評分聯合社區的推薦方法，其特征在于，包括以下步驟：

1)、首先，基于用戶間的社交關系數據得到用戶間的信任度，基于用戶間的評分數據得到用戶間的相似度，從而得出用戶間的混合相似度值；

2)、然后根據混合相似度的值對用戶采用改進的K-means聚類操作，改進k-means聚類操作改進在于對用戶成為專家的可能性進行評估，尋找專家值最大的K個用戶作為初始的聚類中心，最后得到用戶聚類簇；

3)、其次，根據評分矩陣的評分模式利用概率的方法對評分矩陣中的用戶和商品進行聯合聚類，得到評分矩陣聯合聚類簇；

4)、最后面向用戶-物品的聯合社區結構利用矩陣分解技術，并融合用戶聚類簇和評分矩陣聯合聚類簇進行用戶社區結構進行推薦；

所述步驟1)中分別利用輸入的用戶社交關系數據和用戶評分數據構建用戶間的信任關系和相似關系，融合兩者構建新的相似度計算方法，其計算公式如下：

Sim(u,v)＝β·Trust(u,v)+(1-β)·SimRat(u,v) (1)

式中Trust(u,v)表示信任矩陣T中用戶u和用戶v之間的信任關系，SimRat(u,v)表示用戶u和v之間的相似關系，定義一個權重β來表示二者所占的比重，為了權衡信任關系和相似關系，這里將β設置為0.5；

所述用戶間的信任度、用戶間的相似度分別為：

定義用戶間的信任關系值度量公式如下：

式中，Trust(u,v)∈(0,1]，d(u,v)是用戶u和用戶v之間的最短距離；

定義用戶間的相似關系，提出一種基于用戶評分偏好的相似度計算方法，其計算公式如下：

其中，和表示用戶u和用戶v的所有評分的平均值，σ_u和σ_v分別表示兩個用戶評分的標準差，其計算表達式是其中r_u,p表示用戶u對物品p的評分，I_u表示用戶u評分過的物品集合，通過利用評分均值和標準差可以消除偏好的影響，

2.根據權利要求1所述的基于用戶社區和評分聯合社區的推薦方法，其特征在于，所述步驟2)利用改進K-means算法對用戶進行聚類操作，具體包括以下步驟：

(1)、從可信度T_u，權威性A_u以及評分多樣性D_u三個指標出發，對用戶成為專家的可能性進行評估，式(4)，(5)和(6)分別表示用戶的可信度，權威性以及評分多樣，綜合這三個指標的均值來作為評估用戶成為專家的可能性；

式中d_u表示用戶u的入度，d_max表示信任網絡中入度的最大值，N_u表示用戶u評過分的物品數量，v_u表示用戶u的評分方差；

(2)、取專家值最大的k個用戶作為初始的簇中心集合,用集合的形式表示為U＝{expert(u₁),expert(u₁),…expert(u_k)}，expert(u_k)表示用戶u_k的專家值；聚類中心集合記為Center＝{ce₁,ce₂,…ce_k}，其中ce_k表示第k個聚類簇的聚類中心；并初始化k個聚類簇，記作C＝{C₁,C₂,…C_k}，其中C_k表示第k個聚類簇；

(3)、對用戶集合中的每個用戶，計算其與所有聚類中心的混合相似度，找到其中相似度最大的用戶Max(Sim(u,ce_i))，將用戶u加入聚類中心ce_i所在的聚類簇C_i；

(4)、更新所有的聚類中心，計算每個聚類簇中用戶混合相似度均值最大的用戶作為新的聚類中心，利用混合相似度計算每個簇中的用戶與聚類中心的誤差平方和

(5)、若聚類中心未發生改變，則整個過程結束，若聚類中心發生改變，則回到步驟(3)繼續執行。