[發明專利]基于雙向稀疏信任的推薦方法

在審

• 申請號: 202110761129.4
• 申請日: 2021-07-06
• 公開（公告）號: CN113486259A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 張悅;許光全;劉健;馮美琪;王金燕
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

本發明涉及互聯網、個性化推薦，為有效地解決推薦精度不佳的問題，從而提高推薦系統的效率和準確度，本發明，基于雙向稀疏信任的推薦方法，第一部分是使用卡茲指標模擬信任的傳播和聚合從而得到傳遞后的信任值：首先，用鄰接矩陣的形式表示信任關系；其次，對于矩陣中未知的信任關系采用基于全局節點作為評估指標分別從信任傳播和信任聚合兩個角度預估信任在社交網絡中的傳遞值，最后將傳遞后的信任值進行歸一化處理，未知的信任關系被劃分為明確的信任關系和不信任關系；第二部分雙向稀疏信任推薦模型：將初始信任關系和傳遞后的信任關系均融入奇異值分解SVD++模型中。本發明主要應用于互聯網個性化推薦場合。

技術領域

本發明涉及互聯網、個性化推薦，具體涉及基于雙向稀疏信任的推薦方法。

背景技術

隨著現代科技飛躍式的發展，互聯網業進入了蓬勃發展的快車道，用戶在瀏覽大量網上信息的同時也留下了大量的“足跡”，同時伴隨著數據挖掘相關技術的興起，種類繁多的海量數據展現在用戶面前，這時就會出現信息過載的問題。而推薦系統的出現可以很好的緩解這一問題。

個性化推薦系統需要依賴用戶的行為數據，據此，推薦系統可以分成三類：基于內容的推薦算法，協同過濾算法和混合型推薦系統。基于內容的推薦算法依據用戶的歷史行為、評價信息等數據，為用戶推薦曾隱式或者顯示表達過喜歡的項目。協同過濾算法對基于內容的推薦算法進行了改進，協同過濾算法不僅使用了用戶自身的行為數據，還將其他用戶和項目納入模型中，簡單來說是利用某興趣相投、擁有共同經驗之群體的喜好來推薦用戶感興趣的信息。協同過濾算法還可以細分為model-based(基于模型的協同過濾)、item-based(基于內容的協同過濾)和user-based(基于用戶的協同過濾)。本發明就是以基于模型的協同過濾為基礎進行研究的。混合型推薦系統就是將基于內容的推薦算法和協同過濾算法融合。

本發明所研究的基于模型的協同過濾是應用范圍最廣的方法，將樣本的行為信息作為訓練集，訓練出一個模型，從而可以預測出用戶對未知物品的評分，模型依據評分信息進行排序和推薦，基于模型的協同過濾算法的評分預測準確度最高，但是同時它受到了冷啟動和數據稀疏的困惱，而且推薦的準確性，效率和安全性可能存在著明顯的負面隱患。據此，現在有關推薦系統的研究逐漸引入了社交網絡中信任信息作為輔助信息來提高推薦性能。

現如今對信任的研究大致分為信任建立和信任傳遞兩個方面。對于信任建立，研究者會分析信任產生的內在原因，將信任的產生原因細分為多個細粒度因素。具體來說，研究者研究被動的信任關系時，如果被信任者具有很強大的個人實力(オ能)、有名氣的社會地位(地位)、樂于做善事(善良)、崇高的個人道德(品德)這四點因素時，社交網絡中的其他用戶會更加樂意相信他，與之建立更強的信任關系。而研究者在研究主動的信任關系時發現，信任傾向這個因素起到了重要的作用。信任者具有更高的信任傾向時，他們往往會更輕易地相信他人。對于信任傳遞，研究者研究信任關系是如何在社交網絡中傳遞擴散開來，呈現幾何倍數的增長。但是，信任信息比用戶的評分信息更加稀疏，所以稀疏的信任信息對提高推薦系統的精度和準確度所起到的正向作用可能微乎其微。所以如何利用信任的傳遞性對解決稀疏信任問題有很大助益。

綜上所述，研究信任關系的建立和傳遞不僅能挖據潛在的信任關系國而且能有效地解決稀疏信任問題，信任的傳遞特性可以作用于社交推薦系統中，極大地提高推薦系統的精準度，所以研究稀疏信任和社交推薦算法成為了當下的研究熱點。

發明內容