[發明專利]一種基于信任度和專家用戶的協同過濾推薦方法

在審

• 申請號: 202010004435.9
• 申請日: 2020-01-03
• 公開（公告）號: CN111198991A
• 公開（公告）日: 2020-05-26
• 發明（設計）人: 段振春;徐蔚鴻;陳沅濤;丁林;蔡周沁雄;劉燚
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提出了一種基于信任度和專家用戶的協同過濾推薦方法。涉及推薦方法領域，該方法將評分信息、信任信息和專家用戶集成到推薦模型中，減少了數據稀疏性和冷啟動問題。信任值通過用戶相似度和評分物品相關度計算獲得；專家用戶通過全局信任度、活躍性、評分差異性來選取；將專家填充到信任列表中，擴充信任關系，緩解其稀疏性和冷啟動問題；用信任值代替二值信任關系，有效的提高推薦系統的準確度。經實驗驗證，該方法在評價指標(MAE和RMSE)上優于現有社會化推薦算法。

技術領域

本發明屬于推薦算法和社交網絡領域，具體地，一種基于信任度和專家用戶的協同過濾推薦方法。

背景技術

隨著互聯網技術的快速發展和在線服務的普及，人們獲取的信息呈現爆炸式增長的態勢，這給人們的生活帶來很大的便利，但大量冗余的數據干擾了人們對所需信息的選擇，這就是信息過載問題。如何從海量數據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去茫茫大海中打撈所需數據，無法實現用戶的個性化需求，而推薦算法作為一種重要的信息過濾技術，是解決“信息過載”問題的有效手段，現已成為了當今學術研究的熱點問題。推薦系統根據用戶的歷史行為如需求、興趣、點擊、收藏等，通過推薦算法向用戶提供可能感興趣的產品和信息。對用戶而言，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，增強用戶的忠誠度。目前，推薦系統在眾多應用領域中取得了較大進展，包括電子商務(如淘寶、京東)、社交網絡(如騰訊、Twitter)、新聞推送(如今日頭條，Google News)等。

目前，協同過濾算法是應用最廣泛的推薦技術之一。協同過濾算法只需要用戶與項目之間的交互信息，而不需要用戶之間、項目之間的信息，其通常是利用用戶的歷史數據進行建模，但由于存在數據稀疏的問題，導致了協同過濾算法不能準確地根據用戶的評分數據計算用戶之間或項目之間的相似性，從而影響算法的推薦性能。為了解決數據稀疏的問題，一些學者提出挖掘數據中的隱式反饋信息來提高推薦算法處理數據稀疏問題的能力。在推薦系統中，新用戶和新項目相關的評分數據較少，協同過濾算法不能準確地找到相似的用戶或項目，不能為新注冊用戶推薦合適的項目，為了解決這類冷啟動問題，一些研究者提出利用用戶與用戶間的社交關系進行建模，提出很多社會化推薦算法，可以有效地提升推薦性能。人們在生活中作出某種選擇之前會聽取朋友的意見，選擇結果常常受到朋友的影響。隨著互聯網技術的飛速發展，目前已有很多網站建立了用戶之間的社交關系網絡。已有研究表明，合理利用用戶的社交關系，可以有效緩解冷啟動問題，進而產生更多有意義的推薦。

社會化推薦算法在解決冷啟動問題時不僅利用了用戶-物品評分信息，還結合了用戶間的社交關系信息。對于一個新用戶，只要社會網絡中存在與此用戶有直接或間接社交關系的用戶，就可以根據這種社交關系和已知用戶的評分信息，進而對新用戶產生推薦。

發明內容

針對現推薦算法存在冷啟動問題和數據稀疏性問題，本發明的目的是在于提供一種基于信任度和專家用戶的協同過濾推薦方法，本發明通過從用戶-項目評分信息、用戶-用戶信任關系信息中挖掘出用戶之間的信任程度以及專家信息，降低了傳統推薦方法中信任數據稀疏性問題以及用戶冷啟動問題，提高了推薦質量。

為實現上述目的，本發明采用以下技術方案：

一種基于信任度和專家用戶的協同過濾推薦方法，包括如下步驟：

(1)讀取數據集數據，利用5-折交叉驗證方法得到訓練集和測試集；

(2)構建用戶-項目評分矩陣，并對評分值進行歸一化處理；

(3)構建用戶-用戶信任矩陣；

(4)計算用戶平均評分值；

(5)計算社交網絡中每個用戶的入度；