[發(fā)明專利]一種融合社交影響和項目關(guān)聯(lián)的個性化推薦方法

有效

• 申請?zhí)枺?/td>: 202010166298.9
• 申請日: 2020-03-11
• 公開（公告）號: CN111400612B
• 公開（公告）日: 2022-10-18
• 發(fā)明（設計）人: 張功國;黃浩;張為易
• 申請（專利權(quán)）人: 重慶郵電大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536
• 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: 陳棟梁

1.一種融合社交影響和項目關(guān)聯(lián)的個性化推薦方法，其特征在于，包括以下步驟：

步驟一：獲取用戶社交數(shù)據(jù)和用戶評分數(shù)據(jù)，計算得到用戶的社交影響力和用戶間的相似度，從而得出用戶影響力值；

步驟二：根據(jù)用戶影響力值對信任用戶潛在特征向量進行指數(shù)約束，增強親密好友的信任關(guān)系，建立用戶影響力潛在信任特征向量；

步驟三：利用用戶評分數(shù)據(jù)對項目間進行關(guān)聯(lián)計算，獲取項目間的關(guān)聯(lián)值，從而構(gòu)建項目關(guān)聯(lián)矩陣；

步驟四：在概率矩陣分解中利用用戶影響力和項目關(guān)聯(lián)信息進行聯(lián)合推薦；

所述步驟一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)建用戶的社交影響力和用戶間的相似度，線性組合兩者構(gòu)建用戶的影響力矩陣，其計算公式如下：

f(u,v)＝asim(u,v)+(1-a)PR(u) (1)

式中，sim(u,v)表示用戶u和用戶v的相似度，代表著用戶間的相互影響力，PR(u)表示用戶u在社交網(wǎng)絡中的個人影響力，f(u,v)表示用戶u對用戶v的影響力，定義一個權(quán)重a來表示兩者所占的比重，為了權(quán)衡用戶間的影響力和社交網(wǎng)絡中的個人影響力，這里將a設置為0.4；

所述用戶間的相似度、用戶的社交影響力分別為：

定義用戶間的相似度度量公式如下：

式中，I_uv表示用戶u和用戶v都評分過的項目的結(jié)合，r_ui表示用戶u對項目i的評分值，表示用戶u的平均評分值，r_vi表示用戶v對項目i的評分值，表示用戶v的平均評分值；

定義用戶的社交影響力度量公式如下：

式中,PR(u)表示用戶u在社交網(wǎng)絡中的個人影響力，d為阻尼系數(shù)，表示用戶訪問當前節(jié)點所提供的鏈接的概率，取值為0.85，(1-d)表示用戶隨機訪問下一節(jié)點的概率，N表示為用戶數(shù)量；

所述步驟二中根據(jù)用戶影響力對信任用戶潛在因子特征向量進行改進，增強親密好友的信任關(guān)系，建立用戶影響力潛在信任特征向量，具體包括以下步驟：

(1)計算社交網(wǎng)絡中用戶的特征向量u公式如下：

式中，U_u表示用戶u潛在特征向量，U_v表示用戶v的潛在特征向量，T_u,v表示社交用戶u對用戶v的信任值，是一個二進制值，取值為[0,1]，N_u表示用戶u直接鏈接出去的用戶集合；

(2)根據(jù)用戶的特征向量得到用戶的特征條件分布的公式如下：

式中，為信任用戶的特征條件分布，T表示用戶的社交關(guān)系矩陣，T_u,v表示社交用戶u對用戶v的信任值，是一個二進制值，取值為[0,1]，表示用戶U服從均值為0，方差為的高斯分布，I是一個指示函數(shù)，若用戶對項目進行評分，則為1，否則為0；

(3)利用用戶影響力來改進用戶潛在偏好特征向量公式如下：

式中，f(u,v)表示用戶u對用戶v的影響力，表示用戶u潛在特征向量；

(4)用戶影響力信任的特征條件分布公式如下所示：

式中，為用戶影響力信任的條件分布，m表示評分矩陣中用戶數(shù)量，表示用戶U服從均值為0，方差為的高斯分布，將用戶影響力應用到信任模型中有助于加強親密好友的推薦；

所述步驟三中使用評分數(shù)據(jù)對項目進行關(guān)聯(lián)計算，獲取項目間的關(guān)聯(lián)值，構(gòu)建關(guān)聯(lián)矩陣，具體步驟為：

(1)項目間的關(guān)聯(lián)度計算公式如下：

C_i,j＝βsim_r(i,j)+(1-β)sim_a(i,j) (8)

式中，sim_r(i,j)表示項目間的評分相似度，sim_a(i,j)表示項目間的屬性相似度；C_i,j表示項目的綜合相似度，定義一個權(quán)重關(guān)系β來表示二者所占的比重，為了權(quán)衡項目間的評分相似和屬性相似，這里將β設置成0.5；

(2)根據(jù)項目間的關(guān)聯(lián)度構(gòu)建項目關(guān)聯(lián)矩陣的計算公式如下：

式中，n表示項目數(shù)，g(x)＝1/(1+exp(-x))是邏輯回歸函數(shù)，用來限定預測值V_iV_j在范圍[0,1]內(nèi)，當C_i,j≠0時，否則為0，是指示函數(shù)，表示推薦項目V_i和V_j的特征關(guān)聯(lián)關(guān)系；

所述步驟四中在概率矩陣分解中利用社交網(wǎng)絡中的用戶影響力信息和評分數(shù)據(jù)R中的輔助信息進行聯(lián)合推薦，其計算公式如下：

2.根據(jù)權(quán)利要求1所述的一種融合社交影響和項目關(guān)聯(lián)的個性化推薦方法，其特征在于，所述項目間的評分相似度、屬性相似度分別為：

定義項目間的評分相似度值度量公式如下：

式中，r_ui表示用戶u對項目i的評分值，表示項目i的平均值，r_uj表示用戶u對項目j的評分值，表示項目j的平均值，sim_r(i,j)表示項目i和項目j的評分相似度值；

定義項目間的屬性相似度值度量公式如下：

式中，V_ik表示項目i在k個屬性上的值，sim_a(i,j)表示項目i和項目j的屬性相似度。