本发明专利技术公开一种社交网络中基于评分和特征相似的餐饮推荐算法，主要包括以下步骤，1)建立当前社交网络中的用户评分库；2)计算Ua与用户评分库中其他用户的评分相似度；3)选择与Ua评分相似度最高的k个用户，得到评分相似推荐用户集合；4)构建Ua的特征相似模型M＝(χa,i,δa,i,σa,i,γa,i)；5)计算特征相似推荐度并将排名靠前的项目推荐给目标用户。本发明专利技术将用户之间的特征相似度作为除了常规的评分相似度以外用于推荐算法的第二重依据，而多种用户特征的计算不仅使得攻击成本大量增加，极大提高抗攻击能力，并且使推荐的准确性得到提升。
【技术实现步骤摘要】
本专利技术涉及社交网络中的推荐算法领域，具体为一种基于评分和特征相似并应用 于社交网络的餐饮美食推荐算法。
技术介绍
个性化服务作为热点问题被许多研宄领域关注和研宄。个性化服务的一个重要研 宄内容是个性化推荐，它可以根据用户的兴趣寻找与之具有相似兴趣的用户团体，然后用 户团体之间互相推荐感兴趣的信息。使用个性化推荐技术向用户推荐适宜其自身的餐厅， 使得用户可以迅速得到符合其消费习惯的美食和餐厅信息，而这对于系统而言，既可以得 到用户的信任，获得更多的青睐和使用，也使得系统推荐的内容更加精确能够更好的为用 户服务。 作为电子商务推荐系统中应用最成功的推荐技术，传统的协同过滤推荐算法存在 两方面问题。其仅仅依靠用户之间的相似度来选取目标用户的邻居，导致推荐精度较低，并 且在面对用户概貌注入攻击（profile injection attacks)时，算法的抗攻击能力较差。 因此，需要一种更为安全有效的推荐系统，来实现方便而高效的服务。而本专利技术专 利针对于美食餐饮行业，提出一种社交网络中的餐饮推荐算法。
技术实现思路
针对传统的推荐算法存在的缺陷，为了解决推荐准确度低、系统易受攻击等问题， 同时在大数据广泛运用于电子商务的当下，通过全面考察社会网络的联系，借助大量有效 数据的聚合，实现更加精准的餐饮推荐服务，本专利技术提出社交网络中基于评分和特征相似 的餐饮推荐算法。 本专利技术的算法包括以下步骤： S1:建立当前社交网络中的用户评分库； S2:目标用户1搜索项目I t; S3:计算Ua与用户评分库中其他用户的评分相似度，得到U a与用户评分库中所有 用户的评分相似度集合； S4:采用Top-k查询方法，选择与Ua评分相似度最高的k个用户，得到评分相似推 荐用户集合； S5 :提取目标用户Ua在社交网络数据库中的好友信息，构建特征相似模型M =(X a，i, 3"，〇a，i，y a，i)， (1)计算地域相似性Xa i，【主权项】1.，其特征在于，包括w下步骤， S1 ;建立当前社交网络中的用户评分库； S2;目标用户Ua捜索餐厅项目It; S3;计算U。与用户评分库中其他用户的评分相似度，得到U。与用户评分库中所有用户 的评分相似度集合； 54 ;采用Top-k查询方法，选择与&评分相似度最高的k个用户，得到评分相似推荐用 户集合； 55 ;提取目标用户叫在社交网络数据库中的好友信息，构建U。的特征相似模型M= Ua，i> 5 a，。0 a，。丫a，i)> (1) 计算地域相似性X。,.，其中i选自评分相似推荐用户集合，屯,i(X，y)表示在坐标轴中U。常住区域位置与Ui常 住区域位置的直线距离； (2) 计算饮食偏好相似性5。, 1，其中az和iZ分别表示U。和Ui对不同口味的喜欢程度，1表示喜欢，0表示不喜欢，0. 5 表示无置可否； (3) 计算用户关联度曰。,1，其中0 表示第0层的第i个朋友，t表示评分相似推荐用户的朋友总数； (4) 计算系统推荐强度丫。, 1，其中R。,t和RM分别表示U。和Ui对项目11的评分，q表示共同评分的项目总数；S6 ;计 算特征相似推荐度Vree?end，定义Pa,i= ( 丫a,i+l)Xsima,i，S7 ;将特征相似推荐用户依特征相似推荐度递减排列，选择前X个特征相似推荐用户 的评分最高项目推荐给目标用户U。。2. 根据权利要求1所述的，其特征在 于；S3中计算用户评分相似度的具体过程为根据用户评分库中所有用户历史评分数据的 统计特征，确定目标用户U。与其他用户Ui之间的评分相似度其中Ra,t和R分别表示Ua和U拥项目11的评分，屯和专分别表示U。和Ui的平均评 分，表示U。和Ui的共同评分项目集。3. 根据权利要求1所述的，其特征在 于；S5 ; (1)中坐标轴的X、Y轴分别与指定区域地图的最南端和最西端相切。【专利摘要】本专利技术公开一种，主要包括以下步骤，1)建立当前社交网络中的用户评分库；2)计算Ua与用户评分库中其他用户的评分相似度；3)选择与Ua评分相似度最高的k个用户，得到评分相似推荐用户集合；4)构建Ua的特征相似模型M＝(χa,i,δa,i,σa,i,γa,i)；5)计算特征相似推荐度并将排名靠前的项目推荐给目标用户。本专利技术将用户之间的特征相似度作为除了常规的评分相似度以外用于推荐算法的第二重依据，而多种用户特征的计算不仅使得攻击成本大量增加，极大提高抗攻击能力，并且使推荐的准确性得到提升。【IPC分类】G06Q50-00, G06F17-30【公开号】CN104850579【申请号】CN201510126421【专利技术人】黄海平, 李峰, 沙超, 王汝传, 吴敏, 赵孔阳, 秦宇翔, 杜建澎 【申请人】南京邮电大学【公开日】2015年8月19日【申请日】2015年3月20日本文档来自技高网...
【技术保护点】
社交网络中基于评分和特征相似的餐饮推荐算法，其特征在于，包括以下步骤，S1：建立当前社交网络中的用户评分库；S2：目标用户Ua搜索餐厅项目It；S3：计算Ua与用户评分库中其他用户的评分相似度，得到Ua与用户评分库中所有用户的评分相似度集合；S4：采用Top‑k查询方法，选择与Ua评分相似度最高的k个用户，得到评分相似推荐用户集合；S5：提取目标用户Ua在社交网络数据库中的好友信息，构建Ua的特征相似模型M＝(χa,i,δa,i,σa,i,γa,i)，(1)计算地域相似性χa,i，da,i(x,y)=(xUa-xUi)2+(yUa-yUi)2]]>χa,i=11+da,i(x,y)]]>其中i选自评分相似推荐用户集合，da,i(x,y)表示在坐标轴中Ua常住区域位置与Ui常住区域位置的直线距离；(2)计算饮食偏好相似性δa,i，Da,i(Ua,Ui)=Σz=1Naz⊕iz]]>δa,i=11+Da,i(Ua,Ui)]]>其中aZ和iZ分别表示Ua和Ui对不同口味的喜欢程度，1表示喜欢，0表示不喜欢，0.5表示无置可否；(3)计算用户关联度σa,i，σa,i=max{σβ,it}1≤β≤5,i,t∈(0,+∞)1β=0]]>其中σβ,i表示第β层的第i个朋友，t表示评分相似推荐用户的朋友总数；(4)计算系统推荐强度γa,i，ϵa,i=ΣIt∈Ia,i(Ra,t-Ri,t)2q]]>γa,i=11+ϵa,i]]>其中Ra,t和Ri,t分别表示Ua和Ui对项目It的评分，q表示共同评分的项目总数；S6：计算特征相似推荐度Vrecommend，定义Pa,i＝(γa,i+1)×sima,i，Qa,i=(πa,i,θa,i,∂a,i)=(Pa,i×χa,i,Pa,i×δa,i,Pa,i×σa,i),]]>Vrecommend(a,i)=COS(α)=πa,i+θa,i+∂a,i3πa,i2+θa,i2+∂a,i2]]>S7：将特征相似推荐用户依特征相似推荐度递减排列，选择前x个特征相似推荐用户的评分最高项目推荐给目标用户Ua。...
【技术特征摘要】
【专利技术属性】
技术研发人员：黄海平，李峰，沙超，王汝传，吴敏，赵孔阳，秦宇翔，杜建澎，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32
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。