[發(fā)明專利]一種基于信任度和專家用戶的協(xié)同過濾推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010004435.9
• 申請(qǐng)日: 2020-01-03
• 公開（公告）號(hào): CN111198991A
• 公開（公告）日: 2020-05-26
• 發(fā)明（設(shè)計(jì)）人: 段振春;徐蔚鴻;陳沅濤;丁林;蔡周沁雄;劉燚
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙理工大學(xué)
• 主分類號(hào): G06F16/9536
• 分類號(hào): G06F16/9536;G06Q50/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明提出了一種基于信任度和專家用戶的協(xié)同過濾推薦方法。涉及推薦方法領(lǐng)域，該方法將評(píng)分信息、信任信息和專家用戶集成到推薦模型中，減少了數(shù)據(jù)稀疏性和冷啟動(dòng)問題。信任值通過用戶相似度和評(píng)分物品相關(guān)度計(jì)算獲得；專家用戶通過全局信任度、活躍性、評(píng)分差異性來選取；將專家填充到信任列表中，擴(kuò)充信任關(guān)系，緩解其稀疏性和冷啟動(dòng)問題；用信任值代替二值信任關(guān)系，有效的提高推薦系統(tǒng)的準(zhǔn)確度。經(jīng)實(shí)驗(yàn)驗(yàn)證，該方法在評(píng)價(jià)指標(biāo)(MAE和RMSE)上優(yōu)于現(xiàn)有社會(huì)化推薦算法。

技術(shù)領(lǐng)域

本發(fā)明屬于推薦算法和社交網(wǎng)絡(luò)領(lǐng)域，具體地，一種基于信任度和專家用戶的協(xié)同過濾推薦方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和在線服務(wù)的普及，人們獲取的信息呈現(xiàn)爆炸式增長(zhǎng)的態(tài)勢(shì)，這給人們的生活帶來很大的便利，但大量冗余的數(shù)據(jù)干擾了人們對(duì)所需信息的選擇，這就是信息過載問題。如何從海量數(shù)據(jù)中快速有效地獲取所需的信息變得越來越困難。信息檢索技術(shù)雖能在一定程度上解決信息過載問題，但它提供的更多的是用戶主動(dòng)去茫茫大海中打撈所需數(shù)據(jù)，無(wú)法實(shí)現(xiàn)用戶的個(gè)性化需求，而推薦算法作為一種重要的信息過濾技術(shù)，是解決“信息過載”問題的有效手段，現(xiàn)已成為了當(dāng)今學(xué)術(shù)研究的熱點(diǎn)問題。推薦系統(tǒng)根據(jù)用戶的歷史行為如需求、興趣、點(diǎn)擊、收藏等，通過推薦算法向用戶提供可能感興趣的產(chǎn)品和信息。對(duì)用戶而言，推薦算法能幫助用戶在海量信息中快速尋找到自己所需信息；對(duì)商家而言，推薦算法能幫助其更好的把商品銷售給特定的用戶，增強(qiáng)用戶的忠誠(chéng)度。目前，推薦系統(tǒng)在眾多應(yīng)用領(lǐng)域中取得了較大進(jìn)展，包括電子商務(wù)(如淘寶、京東)、社交網(wǎng)絡(luò)(如騰訊、Twitter)、新聞推送(如今日頭條，Google News)等。

目前，協(xié)同過濾算法是應(yīng)用最廣泛的推薦技術(shù)之一。協(xié)同過濾算法只需要用戶與項(xiàng)目之間的交互信息，而不需要用戶之間、項(xiàng)目之間的信息，其通常是利用用戶的歷史數(shù)據(jù)進(jìn)行建模，但由于存在數(shù)據(jù)稀疏的問題，導(dǎo)致了協(xié)同過濾算法不能準(zhǔn)確地根據(jù)用戶的評(píng)分?jǐn)?shù)據(jù)計(jì)算用戶之間或項(xiàng)目之間的相似性，從而影響算法的推薦性能。為了解決數(shù)據(jù)稀疏的問題，一些學(xué)者提出挖掘數(shù)據(jù)中的隱式反饋信息來提高推薦算法處理數(shù)據(jù)稀疏問題的能力。在推薦系統(tǒng)中，新用戶和新項(xiàng)目相關(guān)的評(píng)分?jǐn)?shù)據(jù)較少，協(xié)同過濾算法不能準(zhǔn)確地找到相似的用戶或項(xiàng)目，不能為新注冊(cè)用戶推薦合適的項(xiàng)目，為了解決這類冷啟動(dòng)問題，一些研究者提出利用用戶與用戶間的社交關(guān)系進(jìn)行建模，提出很多社會(huì)化推薦算法，可以有效地提升推薦性能。人們?cè)谏钪凶鞒瞿撤N選擇之前會(huì)聽取朋友的意見，選擇結(jié)果常常受到朋友的影響。隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，目前已有很多網(wǎng)站建立了用戶之間的社交關(guān)系網(wǎng)絡(luò)。已有研究表明，合理利用用戶的社交關(guān)系，可以有效緩解冷啟動(dòng)問題，進(jìn)而產(chǎn)生更多有意義的推薦。

社會(huì)化推薦算法在解決冷啟動(dòng)問題時(shí)不僅利用了用戶-物品評(píng)分信息，還結(jié)合了用戶間的社交關(guān)系信息。對(duì)于一個(gè)新用戶，只要社會(huì)網(wǎng)絡(luò)中存在與此用戶有直接或間接社交關(guān)系的用戶，就可以根據(jù)這種社交關(guān)系和已知用戶的評(píng)分信息，進(jìn)而對(duì)新用戶產(chǎn)生推薦。

發(fā)明內(nèi)容

針對(duì)現(xiàn)推薦算法存在冷啟動(dòng)問題和數(shù)據(jù)稀疏性問題，本發(fā)明的目的是在于提供一種基于信任度和專家用戶的協(xié)同過濾推薦方法，本發(fā)明通過從用戶-項(xiàng)目評(píng)分信息、用戶-用戶信任關(guān)系信息中挖掘出用戶之間的信任程度以及專家信息，降低了傳統(tǒng)推薦方法中信任數(shù)據(jù)稀疏性問題以及用戶冷啟動(dòng)問題，提高了推薦質(zhì)量。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于信任度和專家用戶的協(xié)同過濾推薦方法，包括如下步驟：

(1)讀取數(shù)據(jù)集數(shù)據(jù)，利用5-折交叉驗(yàn)證方法得到訓(xùn)練集和測(cè)試集；

(2)構(gòu)建用戶-項(xiàng)目評(píng)分矩陣，并對(duì)評(píng)分值進(jìn)行歸一化處理；

(3)構(gòu)建用戶-用戶信任矩陣；

(4)計(jì)算用戶平均評(píng)分值；

(5)計(jì)算社交網(wǎng)絡(luò)中每個(gè)用戶的入度；