The invention claims to protect a social network recommendation system score prediction method based on the cloud model, belonging to the field of data mining and information retrieval. The method uses scoring data sets in social networking sites to collect user's history score records and user social relationships. The present invention for user rating subjectivity, through the inverse Xiang Yun generator to construct user rating score cloud, using cloud model fusion all user rating cloud generation father cloud, generate a new score in the parent cloud, and clusters the users with scores to find similar groups of users; in order to overcome the data sparseness problem by scoring. The introduction of the membership and the Gao Weiyun model, combined with the users of social relations, and based on Gauss transform to construct multi rule comprehensive prediction method.
【技术实现步骤摘要】
一种面向社交网络基于云模型的推荐系统评分预测方法
本专利技术涉及数据挖掘和信息检索领域,涉及推荐系统的个性化推荐,是一种面向社交网络基于云模型的推荐系统评分预测方法。
技术介绍
互联网的出现和普及给用户带来了大量的信息,满足了用户在信息时代对信息的需求,但随着网络的迅速发展,网络信息量的不断增加,信息超载的问题随之而来。针对信息超载问题,国内外专家学者不断提出新的方法,如强化搜索引擎、优化推荐方案。近年来,推荐系统受到物联网巨头和电商越来越多的青睐,尤其个性化推荐技术的发展,它是根据用户的信息需求和兴趣,将用户感兴趣的信息和产品推荐给用户的个性化信息推荐系统。推荐系统可以分为两类:预测和topN推荐。前者是预测用户对项目的评分,后者是向用户提供一个个性化推荐列表。目前,研究应用最广泛的推荐系统评分预测方法主要有两种,一种是基于内容的评分预测,另一种是基于协同过滤的评分预测。基于内容的是通过对推荐项目内容信息的分析,形成表示推荐项目内容的资源特征描述,并根据用户过往行为记录对用户兴趣进行建模,通过计算已知用户偏好与项目属性刻画内容之间的匹配度来预测用户对项目的评分。基于协同过滤方案的是利用用户的过往行为记录,寻找用户的相似群体,并根据相似群体对推荐对象的评分,从而预测用户对项目的评分。由于互联网信息资源的多样性,基于内容的评分预测对多媒体资源内容解析的知识要求较高。因此,基于协同过滤的评分预测方法得到了更广泛的应用。随着电子商务规模的扩大,不仅使数据量急剧增加,而且导致了用于评分预测的数据产生稀疏性,从而使传统协同过滤技术评分预测方法的预测精度急剧下降。此外 ...
【技术保护点】
一种面向社交网络基于云模型的推荐系统评分预测方法,其特征在于,包括以下步骤:步骤1、获取评论或社交网络平台上的用户历史评分记录及用户社交网络关系;步骤2、根据用户的历史评分记录构建一维评分云,采用综合云技术融合所有一维评分云形成父云,通过父云生成新的用户评分;步骤3、并根据新的用户评分对用户进行聚类,发现用户的相似群体,并根据用户的新评分对用户进行聚类,通过聚类结果来发现用户的相似群体,即用户所在类内的其他用户为该用户的相似群体;步骤4、根据被预测用户的社交关系,对被预测用户的相似群体构建两朵高维评分云,分别计算用户历史评分在其中的隶属度,以此表示被预测用户在其两类相似群体中的位置,并基于高斯变换构建综合预测机制。
【技术特征摘要】
1.一种面向社交网络基于云模型的推荐系统评分预测方法,其特征在于,包括以下步骤:步骤1、获取评论或社交网络平台上的用户历史评分记录及用户社交网络关系;步骤2、根据用户的历史评分记录构建一维评分云,采用综合云技术融合所有一维评分云形成父云,通过父云生成新的用户评分;步骤3、并根据新的用户评分对用户进行聚类,发现用户的相似群体,并根据用户的新评分对用户进行聚类,通过聚类结果来发现用户的相似群体,即用户所在类内的其他用户为该用户的相似群体;步骤4、根据被预测用户的社交关系,对被预测用户的相似群体构建两朵高维评分云,分别计算用户历史评分在其中的隶属度,以此表示被预测用户在其两类相似群体中的位置,并基于高斯变换构建综合预测机制。2.根据权利要求1所述的面向社交网络基于云模型的推荐系统评分预测方法,其特征在于,所述步骤1获取评论或/和社交网络平台上的用户历史评分记录及用户社交网络关系直接从现有的基于Web的研究型推荐系统下载或者利用成熟的社交平台的公共API获取。3.根据权利要求1或2所述面向社交网络基于云模型的推荐系统评分预测方法,其特征在于,所述步骤2构建一维评分云,采用综合云技术融合所有评分云形成父云,通过父云生成新的用户评分包括以下步骤:首先,根据用户到项目的评分矩阵,对每个用户的评分使用逆向云发生器计算出评分向量(Ex,En,He),并对每个用户构建一维的云图;其次,采用综合云技术融合所有用户的评分向量,得到父云的评分向量,并构建父云的云图得到评分标准;最后,通过正向云发生器得到用户评分在自身云图中的隶属度,并得到在此隶属度下父云产生的云滴,以此云滴确定新的评分。4.根据权利要求3所述面向社交网络基于云模型的推荐系统评分预测方法,其特征在于,所述步骤3采用K-means聚类方法进行聚类,以发现预测用户的真实相似群体。5.根据权利要求3所述面向社交网络基于云模型的推荐系统评分预测方法,其特征在于,所述步骤4具体包括以下步骤:根据被预测用户关注集合,把其相似群体分为好友和非好友两部分,通过逆向云发生器分别对两部分群体的历史评分构建高维云,分别计算用户在两朵高维云中的隶属度;同样通过逆向云发生器分别对两部分群体对被推荐项目的评分构建两朵一维云,分别计算高维云中的隶属度在一维云中的云滴,并对两部分群体的一维云滴进行高斯变换...
【专利技术属性】
技术研发人员:肖云鹏,孙华超,刘宴兵,刘彦驰,李唯果,张克毅,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。