[發明專利]一種融合社交影響和項目關聯的個性化推薦方法

有效

• 申請號: 202010166298.9
• 申請日: 2020-03-11
• 公開（公告）號: CN111400612B
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 張功國;黃浩;張為易
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 陳棟梁

本發明請求保護一種融合社交影響和項目關聯的個性化推薦方法。首先基于用戶的社交關系數據和用戶評分數據計算用戶的社交影響力和相似度，從而得出用戶的影響力值；然后根據用戶的影響力值對信任用戶潛在特征向量進行指數約束，增強親密好友的信任關系，建立用戶影響力潛在信任特征向量。其次利用用戶評分數據對項目間進行關聯計算，獲取項目間的關聯值，從而構建項目關聯矩陣。最后在概率矩陣分解中利用用戶的影響力和項目關聯信息進行聯合推薦。本發明能夠在保證不錯的推薦準確率的同時提高推薦效率。

技術領域

本發明屬于個性化推薦領域，具體的說是一種融合社交影響和項目關聯的個性化推薦方法。

背景技術

互聯網為人們提供網絡便捷信息的同時，信息過載問題變得愈來愈嚴重。如何從海量的數據中為用戶提供高效的信息是當前互聯網面臨的巨大挑戰。在這種背景下，推薦系統應運而生。推薦系統在用戶需求不明確的情況下，通過挖掘用戶歷史行為分析其潛在需求，幫助用戶過濾無效信息，有效地將互聯網信息以科學、系統的形式進行組織和呈現，幫助用戶發現物品的價值。

近年來，隨著推薦系統被廣泛應用于各大電商網站，推薦算法在學術界有了長足的發展，但數據稀疏性的問題仍然極大地影響了推薦的效果。隨著社交網絡的興起，互聯網出現了反映網絡用戶之間關系的數據，這些用戶以好友、社群等多種形式的社交關系展現他們之間的聯系，分享他們共同的興趣愛好，用戶之間的普遍關聯將直接影響用戶的決策過程，社交網絡中的這種特點，使其在推薦系統中有著良好的應用場景。但在目前的社會化推薦模型中，系統中只提供了用戶之間的一個顯示的社交網絡，沒有提供用戶影響力在社交網絡中對信任用戶的影響，這大大限制了社會化推薦系統的效果。與此同時，作為推薦算法的另一信息源：項目間的屬性關聯信息并沒有被利用。因此探究在個性化推薦算法中利用社交影響和項目間的屬性信息進行聯合推薦是一個重點要研究的問題。

發明內容

本發明旨在解決現有技術中的問題。提出了一種融合社交影響和項目關聯的個性化推薦方法。本發明的技術方案如下：

一種融合社交影響和項目關聯的個性化推薦方法，其包括以下步驟：

步驟一：獲取用戶社交數據和用戶評分數據，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：根據用戶影響力值對信任用戶潛在因子特征向量進行指數約束，增強親密好友的信任關系，建立用戶影響力潛在信任特征向量；

步驟三：利用用戶評分數據對項目間進行關聯計算，獲取項目間的關聯值，從而構建項目關聯矩陣；

步驟四：在概率矩陣分解中利用用戶影響力和項目關聯信息進行聯合推薦。

進一步的，所述步驟一中分別利用輸入的用戶社交關系數據和用戶評分數據構建用戶的社交影響力和用戶間的相似度，線性組合兩者構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，定義一個權重a來表示兩者所占的比重，為了權衡用戶間的影響力和社交網絡中的個人影響力，這里將a設置為0.4。

進一步的，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：