專利名稱：融合偏好和信任關(guān)系的協(xié)同過(guò)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(guò)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(lè)等)，是解決互聯(lián)網(wǎng)信息過(guò)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(guò)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(guò)濾算法由于其容易理解、實(shí)現(xiàn)簡(jiǎn)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(guò)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(guò)濾的關(guān)鍵。目前，Pearson相關(guān)性、余弦相似度等是計(jì)算用戶偏好相似度的主要方法，這些方法都是利用兩個(gè)用戶之間的共同評(píng)分項(xiàng)目信息。然而，通常用戶-項(xiàng)目評(píng)分矩陣是非常稀疏的，導(dǎo)致與目標(biāo)用戶有共同評(píng)分的用戶很少。此外，兩個(gè)用戶共同評(píng)分的項(xiàng)目數(shù)量一般很少。因此，現(xiàn)有的協(xié)同過(guò)濾推薦方法面臨著偏好相似用戶定位不準(zhǔn)確問(wèn)題，從而影響了評(píng)分預(yù)測(cè)的準(zhǔn)確度和推薦質(zhì)量。針對(duì)評(píng)分?jǐn)?shù)據(jù)稀疏問(wèn)題，目前已提出一些方法減少其對(duì)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(xiàng)目，降低用戶-項(xiàng)目評(píng)分矩陣的維數(shù)；利用潛在語(yǔ)義索引技術(shù)將兩個(gè)用戶投影到一個(gè)低維的空間上，再計(jì)算兩者的相似度等?，F(xiàn)實(shí)生活中，人與人之間自然地形成不同類型的社會(huì)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(guò)這些關(guān)系網(wǎng)絡(luò)傳遞信息。其中，相互間的信任對(duì)信息的交流發(fā)揮著重要作用，如人們更樂(lè)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(huì)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(huì)關(guān)系網(wǎng)絡(luò)，可以更容易的挖掘出來(lái)。因此，利用社會(huì)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(wèn)題，開(kāi)始受到關(guān)注。2006年，Golbeck等人采用社會(huì)信任網(wǎng)絡(luò)，根據(jù)目標(biāo)用戶信任的用戶對(duì)項(xiàng)目的評(píng)分來(lái)估計(jì)目標(biāo)用戶對(duì)項(xiàng)目的評(píng)分值。2007年，Avesani等人基于用戶的社會(huì)信任網(wǎng)絡(luò)，采用有限步長(zhǎng)的信任傳播方法，得到目標(biāo)用戶對(duì)其他用戶的估計(jì)信任值，基于信任估計(jì)值產(chǎn)生評(píng)分估計(jì)。2010年，Jebrin等人通過(guò)用戶之間的信任關(guān)系和用戶對(duì)項(xiàng)目的評(píng)分信息來(lái)計(jì)算每個(gè)用戶的“全局信譽(yù)”值，基于“全局信譽(yù)”值較高的用戶對(duì)項(xiàng)目的評(píng)分來(lái)估計(jì)目標(biāo)用戶對(duì)項(xiàng)目的評(píng)分。但以上方法將用戶間的信任關(guān)系和用戶對(duì)項(xiàng)目的評(píng)分信息隔離開(kāi)來(lái)或者進(jìn)行簡(jiǎn)單的線性融合，仍未能有效解決數(shù)據(jù)稀疏性對(duì)推薦系統(tǒng)的影響
發(fā)明內(nèi)容
針對(duì)用戶評(píng)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(wèn)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(guò)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(jī)游走方法，計(jì)算用戶間的相似度，進(jìn)行評(píng)分預(yù)測(cè)，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(guò)濾推薦方法，所述方法包括如下步驟 SI，基于用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)，計(jì)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(jī)游走方法，利用用戶偏好信任關(guān)系網(wǎng)絡(luò)，計(jì)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(duì)某一項(xiàng)目的評(píng)分值，為目標(biāo)用戶預(yù)測(cè)其對(duì)相應(yīng)項(xiàng)目的評(píng)分值。


圖I給出了融合偏好信任關(guān)系的協(xié)同過(guò)濾推薦方法的流程示意圖。圖2用戶-項(xiàng)目評(píng)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(duì)誤差與P的關(guān)系8均方根與P的關(guān)系圖。
具體實(shí)施例方式以下實(shí)施例用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍?，F(xiàn)通過(guò)附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述。本發(fā)明實(shí)施例的前提是已獲得了用戶-項(xiàng)目評(píng)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(shí)施例提供的融合偏好信任關(guān)系的協(xié)同過(guò)濾推薦方法流程示意圖，如圖I所示，本實(shí)施例主要包含以下步驟步驟SI，根據(jù)用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)，按公式⑴計(jì)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(jì)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(diǎn)(用戶)i和j間的邊權(quán)重，Ii表示被用戶i評(píng)分的項(xiàng)目集合，/廣(f)表示被用戶i(j)評(píng)分大于設(shè)定閥值的項(xiàng)的集合，和廣'te (f )表示被用戶i(j)評(píng)分小于設(shè)定閥值的項(xiàng)的集合。圖2為用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)的矩陣示意圖，U1,..., U5表示用戶，I1, . . .，I6表示項(xiàng)目，用戶評(píng)分有5個(gè)等級(jí)，分別為I、2、3、4、5，如果用戶對(duì)某項(xiàng)目評(píng)分，則在相應(yīng)位置標(biāo)出評(píng)分等級(jí)，如圖2，用戶U1對(duì)I1評(píng)分為3，對(duì)I3評(píng)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(xiàng)目數(shù)據(jù)構(gòu)建，網(wǎng)絡(luò)的權(quán)重根據(jù)用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)，通過(guò)步驟SI計(jì)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(duì)U2的偏好程度(權(quán)重)為1/4，用戶U3對(duì)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(gè)用戶，用戶I如對(duì)用戶2信任，則U12= I。如圖4中，用戶U1對(duì)隊(duì)、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(guò)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(guò)濾推薦方法，其特征在于，包括如下步驟 Si，基于用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)，計(jì)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(jī)游走模型，利用用戶偏好信任關(guān)系網(wǎng)絡(luò)，計(jì)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(duì)某一項(xiàng)目的評(píng)分值，為目標(biāo)用戶預(yù)測(cè)對(duì)相應(yīng)項(xiàng)目的評(píng)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(guò)濾推薦方法，其特征在于，該方法采用如下基本原理預(yù)測(cè)用戶對(duì)項(xiàng)目的評(píng)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(ài)好，融合兩種關(guān)系，可得到相對(duì)稠密的用戶相似度關(guān)系圖，基于這種稠密圖的相似度計(jì)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(píng)分預(yù)測(cè)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(guò)濾推薦方法，其特征在于，基于用戶-項(xiàng)目評(píng)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(guò)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(guò)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(guò)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(jì)算目標(biāo)用戶節(jié)點(diǎn)i對(duì)其他用戶節(jié)點(diǎn)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(guò)濾推薦方法，其特征在于，按照如下方法計(jì)算目標(biāo)用戶i對(duì)項(xiàng)目ο的評(píng)分預(yù)測(cè)值
全文摘要
一種融合偏好和信任關(guān)系的協(xié)同過(guò)濾推薦方法，包括下列主要步驟根據(jù)用戶-項(xiàng)目評(píng)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(jī)游走方法，定位目標(biāo)用戶的相似近鄰；基于相似近鄰對(duì)某一項(xiàng)目的評(píng)分值，為目標(biāo)用戶預(yù)測(cè)相應(yīng)項(xiàng)目的評(píng)分值。本發(fā)明為推薦系統(tǒng)預(yù)測(cè)用戶對(duì)項(xiàng)目的評(píng)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(diǎn)(1)方法簡(jiǎn)單，易于實(shí)現(xiàn)，并且能產(chǎn)生更準(zhǔn)確的評(píng)分預(yù)測(cè)值。(2)該方法只有一個(gè)參數(shù)，推薦結(jié)果對(duì)該參數(shù)不敏感，便于選擇。
文檔編號(hào)G06F17/30GK102779182SQ201210223579
公開(kāi)日2012年11月14日 申請(qǐng)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(qǐng)人:吉林大學(xué)