專利名稱：基于PageRank算法的網(wǎng)絡(luò)個性化推薦方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息化處理技術(shù)領(lǐng)域，涉及協(xié)同過濾，特別是一種基于PageRank算法的網(wǎng)絡(luò)個性化推薦系統(tǒng)，可用于在網(wǎng)絡(luò)中的信息挖掘和信息服務(wù)。
背景技術(shù)：
互聯(lián)網(wǎng)規(guī)模和覆蓋面的迅速增長帶來了信息超載的問題過量信息同時呈現(xiàn)使得用戶無法從中獲取對自己有用的部分，信息使用效率反而降低?，F(xiàn)有的很多搜索引擎和專業(yè)數(shù)據(jù)索引本質(zhì)上都是幫助用戶過濾信息的手段。然而傳統(tǒng)的搜索算法只能呈現(xiàn)給所有的用戶一樣的排序結(jié)果，無法針對不同用戶的興趣愛好提供相應(yīng)的服務(wù)。個性化推薦系統(tǒng)是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上，以推薦策略和推薦算法為技術(shù)支撐，對用戶提供完全個性化的決策支持和信息服務(wù)。被認(rèn)為是當(dāng)前解決信息超載最有效的工具之 近年來,隨著以Facebook和Twitter為代表的社會網(wǎng)絡(luò)的興起,社會化推薦逐漸成為個性化推薦方法的研究熱點。社會化過濾方法利用組員和他的好友偏好的共同點，來分析好友的偏好，從而預(yù)測給定組員的偏好。最初的社會化過濾算法是基于鄰域的算法。該方法利用組員及其周圍的用戶的相似特征，來找到組員之間的相似性偏好，從而實現(xiàn)組員的社會化推薦；接著出現(xiàn)了基于圖模型的社會化過濾方法。該方法利用圖模型將組員的社會網(wǎng)絡(luò)和組員物品的偏好關(guān)系建模到一張圖中，然后利用隨機游走算法給組員做社會化推薦；隨后出現(xiàn)了基于矩陣分解的社會化過濾方法。該方法利用矩陣分解的算法來分解組員的社會網(wǎng)絡(luò)矩陣和組員物品偏好矩陣，計算出組員的特征向量和物品的特征向量，并最終利用特征向量的點乘度量組員對物品的偏好。但是以上這些社會化推薦方法，隨著組員和商品的增多，系統(tǒng)的性能會越來越低；都是針對單個組員進(jìn)行偏好發(fā)現(xiàn)，所以對于組員比較多時，社交關(guān)系復(fù)雜的情況，推薦準(zhǔn)確性就會大大下降。

發(fā)明內(nèi)容
本發(fā)明的目的是針對已有方法的不足，提出一種基于PageRank算法的網(wǎng)絡(luò)個性化推薦方法，依據(jù)組員之間的信任關(guān)系，通過計算每個組員對組的重要性，提高在組員比較多、社交關(guān)系復(fù)雜情況下的推薦性能。為實現(xiàn)上述目的，本發(fā)明包括如下步驟(I)從網(wǎng)頁配置文件中，獲取組員以及組員之間的好友關(guān)系數(shù)據(jù)，定義基于好友關(guān)系的組為G = Iu1, u2,…，ug},其中U1為第I個組員，，g為組G中組員的個數(shù)；定義組G的鄰接矩陣為M={au}, au表示組員Ui與組員Uj之間的關(guān)系,若au = I,則表示組員Uj是組員Ui的好友關(guān)系,若au = 0,則表示組員Uj不是組員Ui的好友關(guān)系,其中Ui, Uj G G,
I5 i 5 g, I 5 j 5 g ；(2)根據(jù)組G內(nèi)組員之間的好友關(guān)系，計算組員對組G歸一化后的影響力向量
權(quán)利要求
1.一種基于PageRank算法的網(wǎng)絡(luò)個性化推薦方法，包括如下步驟 (1)從網(wǎng)頁配置文件中，獲取組員以及組員之間的好友關(guān)系數(shù)據(jù)，定義基于好友關(guān)系的組為G = Iu1, u2,…，ug},其中U1為第I個組員，，g為組G中組員的個數(shù)；定義組G的鄰接矩陣為M= {au}, au表示組員Ui與組員Uj之間的關(guān)系,若au = I,則表示組員Uj是組員Ui的好友關(guān)系，若au = 0,則表示組員Uj不是組員Ui的好友關(guān)系,其中Ui, Uj G G, I彡i彡g,1 ≤ j≤ g ; (2)根據(jù)組G內(nèi)組員之間的好友關(guān)系，計算組員對組G歸一化后的影響力向量
2.根據(jù)權(quán)利要求I所述的基于PageRank算法的網(wǎng)絡(luò)個性化推薦方法，所述步驟(5)中，計算待分析對象m'的關(guān)鍵字向量W'和組員U1的個人喜好模型P中的Vt之間的向量相似度reUW'，vt),通過如下公式計算
全文摘要
本發(fā)明公開了一種基于PageRank的社會化過濾方法，主要解決現(xiàn)有技術(shù)針對組員比較多，社交關(guān)系復(fù)雜情況下過濾方法準(zhǔn)確性不高的問題，其實現(xiàn)步驟是從網(wǎng)頁配置文件中獲取組及其組員之間的好友關(guān)系，建立每個組員的個人喜好模型；采用PageRank算法，迭代計算組員對組的影響力，從而得到整個組的喜好模型；利用該模型對組進(jìn)行對象的推薦，即將推薦的對象數(shù)據(jù)主動提供給用戶；用戶從這些信息中選取自己所關(guān)心和需要的信息。本發(fā)明具有對組的喜好模型分析的優(yōu)點，僅需修改獲取其領(lǐng)域內(nèi)關(guān)鍵字向量，即可在網(wǎng)絡(luò)上實現(xiàn)對不同領(lǐng)域?qū)ο蟮耐扑]。
文檔編號G06F17/30GK102799671SQ20121024749
公開日2012年11月28日 申請日期2012年7月17日 優(yōu)先權(quán)日2012年7月17日
發(fā)明者王靜, 權(quán)江, 劉志鏡, 趙輝, 劉慧 , 袁通, 王縱虎, 陳東輝 申請人:西安電子科技大學(xué)