專利名稱：融合偏好和信任關(guān)系的協(xié)同過濾推薦方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息檢索領(lǐng)域，尤其涉及一種融合偏好信任關(guān)系的協(xié)同過濾推薦方法。
背景技術(shù)：
推薦系統(tǒng)可以幫助用戶從海量信息中更容易的找到最感興趣的內(nèi)容(如新聞、圖書、電影和音樂等)，是解決互聯(lián)網(wǎng)信息過載的主要途徑之一，已廣泛應(yīng)用在電子商務(wù)中。目前，已提出了多種推薦方法，如協(xié)同過濾推薦方法、基于內(nèi)容的推薦方法及混合推薦方法等。其中，協(xié)同過濾算法由于其容易理解、實現(xiàn)簡單，已成功應(yīng)用于大型商業(yè)推薦系統(tǒng)中?；谟脩舻膮f(xié)同過濾方法的基本原理是尋找與目標(biāo)用戶偏好相似的其他用戶，然 后將其感興趣的內(nèi)容推薦給目標(biāo)用戶。因而，尋找與目標(biāo)用戶偏好相似的用戶是基于用戶的協(xié)同過濾的關(guān)鍵。目前，Pearson相關(guān)性、余弦相似度等是計算用戶偏好相似度的主要方法，這些方法都是利用兩個用戶之間的共同評分項目信息。然而，通常用戶-項目評分矩陣是非常稀疏的，導(dǎo)致與目標(biāo)用戶有共同評分的用戶很少。此外，兩個用戶共同評分的項目數(shù)量一般很少。因此，現(xiàn)有的協(xié)同過濾推薦方法面臨著偏好相似用戶定位不準(zhǔn)確問題，從而影響了評分預(yù)測的準(zhǔn)確度和推薦質(zhì)量。針對評分?jǐn)?shù)據(jù)稀疏問題，目前已提出一些方法減少其對推薦結(jié)果的影響，但效果并不理想。例如，利用奇異值分解方法刪除不重要的或噪音用戶和項目，降低用戶-項目評分矩陣的維數(shù)；利用潛在語義索引技術(shù)將兩個用戶投影到一個低維的空間上，再計算兩者的相似度等。現(xiàn)實生活中，人與人之間自然地形成不同類型的社會關(guān)系網(wǎng)絡(luò)(如朋友關(guān)系、同事關(guān)系、合作關(guān)系)，并通過這些關(guān)系網(wǎng)絡(luò)傳遞信息。其中，相互間的信任對信息的交流發(fā)揮著重要作用，如人們更樂意與他所信任的人交流，也更容易被他所信任的人影響，而這種信任關(guān)系可從社會網(wǎng)絡(luò)中發(fā)現(xiàn)，我們稱之為信任關(guān)系。隨著web2.0的發(fā)展，人們(用戶)之間的社會關(guān)系網(wǎng)絡(luò)，可以更容易的挖掘出來。因此，利用社會關(guān)系網(wǎng)絡(luò)中的信任關(guān)系，解決推薦系統(tǒng)的數(shù)據(jù)稀疏性問題，開始受到關(guān)注。2006年，Golbeck等人采用社會信任網(wǎng)絡(luò)，根據(jù)目標(biāo)用戶信任的用戶對項目的評分來估計目標(biāo)用戶對項目的評分值。2007年，Avesani等人基于用戶的社會信任網(wǎng)絡(luò)，采用有限步長的信任傳播方法，得到目標(biāo)用戶對其他用戶的估計信任值，基于信任估計值產(chǎn)生評分估計。2010年，Jebrin等人通過用戶之間的信任關(guān)系和用戶對項目的評分信息來計算每個用戶的“全局信譽”值，基于“全局信譽”值較高的用戶對項目的評分來估計目標(biāo)用戶對項目的評分。但以上方法將用戶間的信任關(guān)系和用戶對項目的評分信息隔離開來或者進(jìn)行簡單的線性融合，仍未能有效解決數(shù)據(jù)稀疏性對推薦系統(tǒng)的影響
發(fā)明內(nèi)容
針對用戶評分?jǐn)?shù)據(jù)稀疏導(dǎo)致推薦系統(tǒng)產(chǎn)生的推薦結(jié)果不準(zhǔn)確問題，本發(fā)明的目的是提供一種融合偏好信任關(guān)系的協(xié)同過濾推薦方法。該方法將互聯(lián)網(wǎng)上的多種信息源有效融合到圖模型中，利用馬爾可夫隨機游走方法，計算用戶間的相似度，進(jìn)行評分預(yù)測，可以獲得更準(zhǔn)確的推薦結(jié)果。本發(fā)明提供了一種融合偏好信任關(guān)系的協(xié)同過濾推薦方法，所述方法包括如下步驟 SI，基于用戶-項目評分?jǐn)?shù)據(jù)，計算用戶間的相似度，構(gòu)建用戶偏好關(guān)系網(wǎng)絡(luò)；S2，融合偏好關(guān)系網(wǎng)絡(luò)與信任關(guān)系網(wǎng)絡(luò)，構(gòu)建用戶偏好信任關(guān)系網(wǎng)絡(luò)；S3，基于馬爾可夫隨機游走方法，利用用戶偏好信任關(guān)系網(wǎng)絡(luò)，計算用戶間的相似度，確定目標(biāo)用戶的相似近鄰；S4，根據(jù)目標(biāo)用戶的相似近鄰對某一項目的評分值，為目標(biāo)用戶預(yù)測其對相應(yīng)項目的評分值。


圖I給出了融合偏好信任關(guān)系的協(xié)同過濾推薦方法的流程示意圖。圖2用戶-項目評分?jǐn)?shù)據(jù)的矩陣示意3用戶偏好關(guān)系網(wǎng)絡(luò)示意4用戶信任關(guān)系數(shù)據(jù)的矩陣示意5用戶信任關(guān)系網(wǎng)絡(luò)示意6用戶偏好信任關(guān)系網(wǎng)絡(luò)示意7平均絕對誤差與P的關(guān)系8均方根與P的關(guān)系圖。
具體實施例方式以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍?，F(xiàn)通過附圖和實施例對本發(fā)明作進(jìn)一步的詳細(xì)描述。本發(fā)明實施例的前提是已獲得了用戶-項目評分?jǐn)?shù)據(jù)與用戶信任關(guān)系數(shù)據(jù)。圖I為本發(fā)明實施例提供的融合偏好信任關(guān)系的協(xié)同過濾推薦方法流程示意圖，如圖I所示，本實施例主要包含以下步驟步驟SI，根據(jù)用戶-項目評分?jǐn)?shù)據(jù)，按公式⑴計算用戶間的相似度Simin，構(gòu)建用戶偏好關(guān)系網(wǎng)絡(luò)Gp，計算出的Simij作為網(wǎng)絡(luò)Gp的邊權(quán)重
rlike ^ Tlike\ 丄 I Tdislike ^ Tdislike
njj | + |7,· CMj.半』Simij = jI IiKJlj I，⑴
0, i = j其中，Simij表示網(wǎng)絡(luò)Gp的節(jié)點(用戶)i和j間的邊權(quán)重，Ii表示被用戶i評分的項目集合，/廣(f)表示被用戶i(j)評分大于設(shè)定閥值的項的集合，和廣'te (f )表示被用戶i(j)評分小于設(shè)定閥值的項的集合。圖2為用戶-項目評分?jǐn)?shù)據(jù)的矩陣示意圖，U1,..., U5表示用戶，I1, . . .，I6表示項目，用戶評分有5個等級，分別為I、2、3、4、5，如果用戶對某項目評分，則在相應(yīng)位置標(biāo)出評分等級，如圖2，用戶U1對I1評分為3，對I3評分為2.用戶偏好關(guān)系網(wǎng)絡(luò)為帶權(quán)網(wǎng)絡(luò)，根據(jù)用戶-項目數(shù)據(jù)構(gòu)建，網(wǎng)絡(luò)的權(quán)重根據(jù)用戶-項目評分?jǐn)?shù)據(jù)，通過步驟SI計算得到。圖3為用戶偏好關(guān)系網(wǎng)絡(luò)示意圖，有向邊上的權(quán)重表示用戶間的偏好程度，如圖3用戶U1對U2的偏好程度(權(quán)重)為1/4，用戶U3對U4的偏好程度(權(quán)重)1/3。步驟S2，將步驟SI所得到的偏好關(guān)系網(wǎng)絡(luò)Gp與信任關(guān)系網(wǎng)絡(luò)Gt相融合，構(gòu)建用戶偏好/[目任關(guān)系網(wǎng)絡(luò)G。圖4為用戶信任關(guān)系數(shù)據(jù)的矩陣示意圖，U1，…，U5分別為5個用戶，用戶I如對用戶2信任，則U12= I。如圖4中，用戶U1對隊、U3存在信任關(guān)系。圖5為用戶信任關(guān)系網(wǎng)絡(luò)示意圖，用戶信任關(guān)系網(wǎng)絡(luò)是通過用戶信任關(guān)系數(shù)據(jù)構(gòu)建的帶權(quán)有向圖，有向邊上的權(quán)重表示用戶間是否存在信任關(guān)系。如圖5中，用戶U5信任U2，但用戶U2不信任U5。偏好關(guān)系網(wǎng)絡(luò)Gp與信任關(guān)系網(wǎng)絡(luò)Gt按照如下公式(2)進(jìn)行融合，得到用戶偏好信任關(guān)系網(wǎng)絡(luò)G
權(quán)利要求
1.一種融合偏好和信任關(guān)系的協(xié)同過濾推薦方法，其特征在于，包括如下步驟 Si，基于用戶-項目評分?jǐn)?shù)據(jù)，計算用戶間的相似度，構(gòu)建用戶偏好關(guān)系網(wǎng)絡(luò)； S2，融合偏好關(guān)系網(wǎng)絡(luò)與信任關(guān)系網(wǎng)絡(luò)，構(gòu)建用戶偏好信任關(guān)系網(wǎng)絡(luò)； S3，基于馬爾可夫隨機游走模型，利用用戶偏好信任關(guān)系網(wǎng)絡(luò)，計算用戶間的相似度，確定目標(biāo)用戶的相似近鄰； S4，根據(jù)目標(biāo)用戶的相似近鄰對某一項目的評分值，為目標(biāo)用戶預(yù)測對相應(yīng)項目的評分值。
2.根據(jù)權(quán)利要求I所述的融合偏好信任關(guān)系的協(xié)同過濾推薦方法，其特征在于，該方法采用如下基本原理預(yù)測用戶對項目的評分值 存在共同信任關(guān)系或偏好關(guān)系的用戶，一般都有共同的習(xí)慣與愛好，融合兩種關(guān)系，可得到相對稠密的用戶相似度關(guān)系圖，基于這種稠密圖的相似度計算，能得到更為準(zhǔn)確的相似近鄰，進(jìn)而產(chǎn)生更準(zhǔn)確的評分預(yù)測值。
3.根據(jù)權(quán)利要求I所述的融合偏好信任關(guān)系的協(xié)同過濾推薦方法，其特征在于，基于用戶-項目評分?jǐn)?shù)據(jù)，按照如下方法構(gòu)造用戶偏好關(guān)系網(wǎng)絡(luò)Gp
4.根據(jù)權(quán)利要求I所述的融合偏好信任關(guān)系的協(xié)同過濾推薦方法，其特征在于，將用 戶信任關(guān)系網(wǎng)絡(luò)Gt和偏好關(guān)系網(wǎng)絡(luò)Gp通過如下方法融合為帶權(quán)重的偏好信任關(guān)系網(wǎng)絡(luò)G
5.根據(jù)權(quán)利要求I所述的融合偏好信任關(guān)系的協(xié)同過濾推薦方法，其特征在于，基于偏好信任關(guān)系網(wǎng)絡(luò)G，按照如下方法計算目標(biāo)用戶節(jié)點i對其他用戶節(jié)點的相似度 設(shè)向量
6.根據(jù)權(quán)利要求I所述的融合偏好信任關(guān)系的協(xié)同過濾推薦方法，其特征在于，按照如下方法計算目標(biāo)用戶i對項目ο的評分預(yù)測值
全文摘要
一種融合偏好和信任關(guān)系的協(xié)同過濾推薦方法，包括下列主要步驟根據(jù)用戶-項目評分?jǐn)?shù)據(jù)，挖掘用戶間的偏好關(guān)系，構(gòu)建偏好關(guān)系網(wǎng)絡(luò)；融合偏好關(guān)系與信任關(guān)系，構(gòu)建偏好信任關(guān)系網(wǎng)絡(luò)；基于偏好信任關(guān)系網(wǎng)絡(luò)，利用馬爾可夫隨機游走方法，定位目標(biāo)用戶的相似近鄰；基于相似近鄰對某一項目的評分值，為目標(biāo)用戶預(yù)測相應(yīng)項目的評分值。本發(fā)明為推薦系統(tǒng)預(yù)測用戶對項目的評分提供了一種全新和高效的方法，與現(xiàn)有方法比較，本發(fā)明具有如下主要優(yōu)點(1)方法簡單，易于實現(xiàn)，并且能產(chǎn)生更準(zhǔn)確的評分預(yù)測值。(2)該方法只有一個參數(shù)，推薦結(jié)果對該參數(shù)不敏感，便于選擇。
文檔編號G06F17/30GK102779182SQ201210223579
公開日2012年11月14日 申請日期2012年7月2日 優(yōu)先權(quán)日2012年7月2日
發(fā)明者劉大有, 楊博, 趙學(xué)華, 趙鵬飛 申請人:吉林大學(xué)