[發明專利]一種基于信任信息的TimeSVD改進算法

在審

• 申請號: 201910587112.4
• 申請日: 2019-07-01
• 公開（公告）號: CN110457591A
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 劉葉;曹曉梅
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q30/06
• 代理公司: 32102 南京蘇科專利代理有限責任公司
• 代理人: 陳棟智<國際申請>=<國際公布>=<進入

1.一種基于信任信息的TimeSVD改進算法，其特征在于，包括以下步驟：

步驟1)數據輸入，包括用戶評分信息與用戶信任信息；

步驟2)構建評分矩陣：建立m×n階的用戶-項目評分矩陣，m為用戶組，n為項目組，用R表示評分矩陣，則R＝[r_u，i]_m×n，r_u，i表示用戶u對項目i的評價；

步驟3)構建信任矩陣：建立m×m階的用戶信任矩陣，m為用戶組，用T表示用戶信任矩陣，則T＝[t_uv]_m×m，它表示用戶u對v的信任值，當特定項目為i時，矩陣為

步驟4)TimeSVD分解矩陣：利用TimeSVD對已經建立好的m×n階評分矩陣R分解降維，將矩陣R分解為P∈R^d×m、Q∈R^d×n、∑；其中P∈R^d×m代表用戶矩陣，Q∈R^d×n代表項目矩陣，將高維度的用戶-項目的評分矩陣分解為兩個低維度矩陣的乘積，這兩個低維度矩陣分別被稱為用戶特征向量矩陣和項目特征向量矩陣，∑是奇異值的對角矩陣，則用戶u對未評分項目i的評分預測值

步驟5)根據評分預測，給出推薦結果。

2.根據權利要求1所述的一種基于信任信息的TimeSVD改進算法，其特征在于，步驟4)具體包括：

步驟4.1)根據相關列項目評分平均值對矩陣中的空白元素進行填充；

步驟4.2)通過簡化P、Q、∑，構造降維后的矩陣R′；

步驟4.3)按照梯度下降法(SGD)迭代學習優化，得到最有解；

步驟4.4)計算用戶u對未評分項目i的評分預測值

步驟4.5)優化評分矩陣損失函數L，增加正則化參數項λ，防止過擬合，其中損失函數T是測試集中全部的用戶-項目組合，是正則化的項，r_ui是用戶u對項目i的真實評分，||.||是歐幾里得范數；

步驟4.6)利用TimeSVD對已經建立好的m×m信任矩陣T分解成信任者和被信任者的特征矩陣P、w；其中P^d×m表示信任者矩陣，W^d×m表示受信者矩陣；

步驟4.7)計算信任者對被信任者的信任預測值

步驟4.8)結合評分矩陣和信任矩陣獲得新的損失函數其中表示用戶u和用戶v的預測信任值，λ_t控制正則化項中信任的程度。