[發(fā)明專利]一種基于用戶社區(qū)和評分聯(lián)合社區(qū)的推薦方法

有效

• 申請?zhí)枺?/td>: 201910048924.1
• 申請日: 2019-01-18
• 公開（公告）號: CN109918562B
• 公開（公告）日: 2022-10-18
• 發(fā)明（設(shè)計）人: 文凱;朱傳亮;易冰
• 申請（專利權(quán)）人: 重慶郵電大學(xué);重慶信科設(shè)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(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅;陳棟梁

本發(fā)明請求保護一種基于用戶社區(qū)和評分聯(lián)合社區(qū)的推薦方法。首先基于用戶間的社交關(guān)系和評分數(shù)據(jù)獲取用戶間的信任關(guān)系和用戶間的相似關(guān)系，從而得出用戶間的混合相似度值；然后根據(jù)混合相似度的值對用戶進行k?means聚類操作，得到用戶的社區(qū)；其次根據(jù)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(lián)合聚類；最后面向用戶?物品的聯(lián)合社區(qū)結(jié)構(gòu)利用矩陣分解技術(shù)，并融入用戶社區(qū)結(jié)構(gòu)進行推薦。本發(fā)明能夠充分利用社區(qū)內(nèi)部用戶的高度相關(guān)性以及矩陣分解技術(shù)的高精度性，能夠在保證不錯的推薦準確率的同時提高推薦效率。

技術(shù)領(lǐng)域

本發(fā)明屬于個性化推薦領(lǐng)域，具體的說是一種基于用戶社區(qū)和評分聯(lián)合社區(qū)的推薦方法。

背景技術(shù)

隨著信息技術(shù)的發(fā)展，帶來了信息超載問題，面對如此龐大的網(wǎng)絡(luò)數(shù)據(jù)，帶給用戶的不是大數(shù)據(jù)的優(yōu)越感，而是一種在如此龐大的數(shù)據(jù)中的不知所措，這樣反而讓信息的使用效率降低了。很多時候用戶都沒有明確的需求，這樣推薦系統(tǒng)便應(yīng)運而生。推薦系統(tǒng)就是在用戶需求不明確的情況下，根據(jù)用戶的歷史行為記錄，比如用戶的瀏覽記錄，購買記錄，播放視頻記錄等等，以這些歷史記錄為基礎(chǔ)為用戶推薦感興趣的物品，幫助用戶發(fā)現(xiàn)物品的價值。

目前存在的推薦算法中，協(xié)同過濾算法是使用最為普遍的算法之一，其主要依靠用戶的歷史記錄，給用戶推薦相似的商品，盡管該算法能保持比較好的推薦精度，但也存在著時間復(fù)雜度高的問題。

由于時間復(fù)雜度高的問題，一些基于社區(qū)的推薦技術(shù)也在不斷被提出，其主要思想是基于用戶的歷史行為信息，利用社區(qū)挖掘技術(shù)將相似的用戶或項目劃分到同一個社區(qū)中，然后在每一個社區(qū)中應(yīng)用傳統(tǒng)的協(xié)同過濾推薦算法。但是當(dāng)前的研究工作大多只考慮了單一的信息源的社區(qū)結(jié)構(gòu)，比如用戶社區(qū)，項目社區(qū)等，因此探究多種社區(qū)結(jié)構(gòu)相結(jié)合是一個重點要研究的問題。

發(fā)明內(nèi)容

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種方法。本發(fā)明的技術(shù)方案如下：

一種基于用戶社區(qū)和評分聯(lián)合社區(qū)的推薦方法，其包括以下步驟：

1)、首先，基于用戶間的社交關(guān)系數(shù)據(jù)得到用戶間的信任度，基于用戶間的評分數(shù)據(jù)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(jù)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(jù)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(lián)合聚類，得到評分矩陣聯(lián)合聚類簇；

4)、最后面向用戶-物品的聯(lián)合社區(qū)結(jié)構(gòu)利用矩陣分解技術(shù)，并融合用戶聚類簇和評分矩陣聯(lián)合聚類簇進行用戶社區(qū)結(jié)構(gòu)進行推薦；

所述步驟1)中分別利用輸入的用戶社交關(guān)系數(shù)據(jù)和用戶評分數(shù)據(jù)構(gòu)建用戶間的信任關(guān)系和相似關(guān)系，融合兩者構(gòu)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(guān)系，SimRat(u,v)表示用戶u和v之間的相似關(guān)系，定義一個權(quán)重β來表示二者所占的比重，為了權(quán)衡信任關(guān)系和相似關(guān)系，這里將β設(shè)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(guān)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(guān)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：