[發(fā)明專利]基于半監(jiān)督學(xué)習(xí)的稀疏信任推薦方法

在審

• 申請?zhí)枺?/td>: 202110360307.2
• 申請日: 2021-04-02
• 公開（公告）號: CN113065918A
• 公開（公告）日: 2021-07-02
• 發(fā)明（設(shè)計）人: 聶鵬麗;許光全;吳斌;趙煜陽;王煒喆;馮美琪
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/9536;G06K9/62
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 劉國威

本發(fā)明涉及信任管理領(lǐng)域、互聯(lián)網(wǎng)，為提出新的推薦方法，提高推薦的高效性，準(zhǔn)確度。為此，本發(fā)明采取的技術(shù)方案是，基于半監(jiān)督學(xué)習(xí)的稀疏信任推薦方法，將影響信任建立的因素分解為相似性、一致性、可靠性、客觀性這四個因子，之后利用直推式支持向量機(jī)TSVM用以結(jié)合所述四個因子，進(jìn)而挖掘用戶之間的稀疏信任；通過共享相同的用戶特征空間將社會信任與稀疏信任合并到奇異值分解SVD++推薦模型當(dāng)中，并通過信任平衡參數(shù)α來控制稀疏信任與社會信任之間的比重，進(jìn)而利用改進(jìn)的奇異值分解推薦模型最終實(shí)現(xiàn)推薦。本發(fā)明主要應(yīng)用于互聯(lián)網(wǎng)推薦場合。

技術(shù)領(lǐng)域

本發(fā)明涉及信任管理領(lǐng)域、互聯(lián)網(wǎng)，具體涉及基于半監(jiān)督學(xué)習(xí)的稀疏信任推薦方法。

背景技術(shù)

推薦系統(tǒng)在大型電子商務(wù)網(wǎng)站中扮演著越來越重要的角色。推薦系統(tǒng)的興起與互聯(lián)網(wǎng)的飛速發(fā)展息息相關(guān)。為滿足數(shù)據(jù)量的不斷增大以及用戶需求的不斷提升，推薦系統(tǒng)也在逐步發(fā)展并日趨成熟。隨著推薦系統(tǒng)的不斷發(fā)展，其研究內(nèi)容可以分為三類：基于內(nèi)容的推薦模型，基于協(xié)同過濾的推薦模型，混合推薦模型。協(xié)同過濾算法在推薦系統(tǒng)中得到了廣泛的應(yīng)用，并取得了巨大的成功。利用現(xiàn)有的評價數(shù)據(jù)，協(xié)同過濾算法可以有效地預(yù)測用戶的偏好。簡單來說，協(xié)同過濾就是利用相似群體的喜好來為目標(biāo)用戶提供可能感興趣的信息。雖然在大數(shù)據(jù)環(huán)境下協(xié)同過濾算法擁有較高的推薦準(zhǔn)確性，但是推薦系統(tǒng)始終面臨兩大問題：冷啟動和評價數(shù)據(jù)稀疏。這些問題大大降低了推薦系統(tǒng)的性能。信任在推薦系統(tǒng)中被廣泛應(yīng)用以提高預(yù)測精度。通過提供有關(guān)用戶交互的附加信息，信任可以幫助我們緩解冷啟動和評價數(shù)據(jù)稀疏性問題。人們相信用戶很容易受到他們信任的人的影響。基于這一現(xiàn)象，很多工作已經(jīng)研究了如何利用現(xiàn)有的信任信息有效地提高了推薦系統(tǒng)的準(zhǔn)確性。然而，在利用信任信息提高推薦系統(tǒng)的準(zhǔn)確性方面還存在一些問題。

如上所述，不僅是評分?jǐn)?shù)據(jù)，信任數(shù)據(jù)同樣面臨著數(shù)據(jù)稀疏的問題。這意味著系統(tǒng)沒有積累到足夠的信任信息來提高推薦性能。通常，一個系統(tǒng)擁有著大量的用戶，但是可使用的信任數(shù)據(jù)卻寥寥無幾。因?yàn)椋壳岸裕缃黄脚_外，其他平臺用戶并不是熱衷于標(biāo)記出自己的信任用戶或者朋友用戶。這也導(dǎo)致有很多用戶有相似的偏好和行為，但是他們的信任信息被大數(shù)據(jù)噪聲所覆蓋，因?yàn)樗麄儾]有機(jī)會接觸到彼此并進(jìn)行標(biāo)記。

目前對于信任的研究，一般將信任分為兩種狀態(tài)，即顯式信任(explicit trust)與隱式信任(Implicit trust)。

1.所謂的顯式信任即為系統(tǒng)可獲取的用戶自主標(biāo)記的信任關(guān)系。顯式信任的利用較為廣泛，但是其來源或者建立原因較為復(fù)雜。而用戶之間潛在的信任關(guān)系，多被稱為隱式信任關(guān)系。

2.不同于顯式信任關(guān)系，隱式信任關(guān)系不是用戶自主標(biāo)記的，而是通過對數(shù)據(jù)的分析所建立的信任關(guān)系。關(guān)于如何挖掘用戶之間的隱性信任，已有很多很多工作進(jìn)行了研究。

3.稀疏信任是一種特殊的隱式信任，稀疏信任關(guān)系更能體現(xiàn)出在推薦系統(tǒng)環(huán)境中用戶之間行為和偏好的相似性。

到大多數(shù)研究都是基于社會信任的。社會信任的建立受到家庭關(guān)系、工作關(guān)系等諸多社會因素的影響。然而，由于社會因素而建立信任關(guān)系的用戶的行為相似性可能很低。因此，社會因素影響下的信任在推薦系統(tǒng)中的作用非常有限。

發(fā)明內(nèi)容

為克服現(xiàn)有技術(shù)的不足，本發(fā)明旨在提出新的推薦方法，提高推薦的高效性，準(zhǔn)確度。為此，本發(fā)明采取的技術(shù)方案是，基于半監(jiān)督學(xué)習(xí)的稀疏信任推薦方法，將影響信任建立的因素分解為相似性、一致性、可靠性、客觀性這四個因子，之后利用直推式支持向量機(jī)TSVM用以結(jié)合所述四個因子，進(jìn)而挖掘用戶之間的稀疏信任；通過共享相同的用戶特征空間將社會信任與稀疏信任合并到奇異值分解SVD++推薦模型當(dāng)中，并通過信任平衡參數(shù)α來控制稀疏信任與社會信任之間的比重，進(jìn)而利用改進(jìn)的奇異值分解推薦模型最終實(shí)現(xiàn)推薦。

所述四個因子具體定義如下：

1)相似性即用戶們之間偏好的共性，采用杰卡德相似系數(shù)來計算用戶們之間的相似性，如公式(1)所示：