一种面向群组的服务推荐列表生成方法技术

本发明专利技术公开了一种面向群组的服务推荐列表生成方法，该方法包括步骤：根据群组内用户的关系，生成用户关系有向图；在群组中选择p个质心用户，根据质心用户，将群组划分为p个子组，对每个子组建立分层分组模型；构建每个子组的推荐服务集评级矩阵，并计算每个子组对待推荐服务集的推荐权重；根据所有子组的推荐服务集评级矩阵和推荐权重，计算每个待推荐服务的聚合指数，对所有服务按照聚合指数做升序排列，得到服务推荐列表。该方法得到的服务推荐列表能够提高推荐服务的用户满意度，而且以用户‑群组‑项目之间的相互关系为中心，可以实现更加优质的群组推荐服务体验。

A Group-Oriented Service Recommendation List Generation Method

【技术实现步骤摘要】
一种面向群组的服务推荐列表生成方法
本专利技术属于服务推荐
，具体涉及一种面向在线社交群组的服务推荐列表生成方法。
技术介绍
面向群组的服务推荐是基于群组内用户需求，以用户允许识别符合他们的需求、偏好、品味的服务为基础，查找对整个用户群组有益的服务。在服务推荐的实现过程中，用户之间的信任度量、整个群组中的小分组以及以子组为单位的各项指标(用户活跃度、子组贡献度)和推荐项目列表都扮演着重要的角色，可以说，群组推荐是综合了各种因素的用户与推荐服务关系传递的抽象与凝练。群组推荐具有自组织、低耦合、可分层、可组合和可替换等特性。面对日益复杂的群组推荐服务，单一的基于前N项排名进行推荐已经不能满足群组用户的需求，这时就需要将用户、服务以及群组之间的关系进行综合考虑，以便产生满足群组推荐特定的复杂需求的服务。然而，由于群组构成并非仅以个体为单位，某些聚合方法在执行时过程中仍然存在极端推荐情况，为了解决这个问题，群组的分组成了一种行之有效的解决方法。另外，子组与服务项目之间的相关性和子组对整个群组的贡献度与推荐服务项目排序问题密切相关，进行动态聚合后对满足用户的个性化需求和提高群组推荐均具有重要意义。
技术实现思路
专利技术目的：本专利技术旨在提供一种开放网络环境下面向社交群组的服务推荐列表生成方法。技术方案：本专利技术采用如下技术方案：一种面向群组的服务推荐列表生成方法，包括如下步骤：(1)根据目标群组G内用户的关系，构建用户关系有向图GrapG；所述用户关系有向图GrapG中的节点为群组内的用户；两个用户之间有消息发送则所述两个用户对应的节点之间存在路径，所述路径方向为所述两个用户之间第一条消息的发送方向；每个用户具有对群组G的信任权值，设用户ui的信任权值为(2)遍历群组G内的所有用户，计算每个用户与其他用户的不相关度，选取不相关度最大的p个用户作为质心用户kl，l＝1,2,…,p；所述用户ui的不相关度计算为：其中，为用户关系有向图GrapG中用户ui,uj之间的路径实例数量；为用户关系有向图GrapG中从用户uj出发再回到uj的路径实例数量；(3)根据p个质心用户，将群组G划分为p个子组，每个子组中包含一个质心用户；G＝{SubG1,SubG2,…,SubGl,…,SubGp}，SubGl为第l个子组，包含质心用户kl；对每个子组建立分层分组模型，将所述子组划分为多个小组；(4)待推荐服务集为：Item＝{item1,item2,…,itemm}；采集每个小组对待推荐服务集中每个服务的兴趣指数；在每个子组中构建推荐服务集评级矩阵，第l个子组的评级矩阵为：其中wl为第l个子组中小组的数量，m为待推荐服务的总数，Rab为第l个子组中的第a个小组ma对第b个待推荐服务itemb的推荐评级，a＝1,…,wl，b＝1,…,m；第a个小组ma的信任权值为ma内所有用户的信任权值之和；rab为小组ma对服务itemb的兴趣指数；(5)根据每个子组的评级矩阵，计算每个子组对待推荐服务集的推荐权重，包括步骤501-503：(501)计算每个子组SubGl与待推荐服务集Item的相关性S(Item,SubGl)：其中为rab,rcd的余弦相似度；a,c＝1,2,…,wl；b,d＝1,2,…,m；λ为调整时间参数，取值λ<1；tb为Item中第b个服务itemb在子组SubGl内的热度持续时间；(502)计算子组SubGl与群组G之间的相关性Cl，包括步骤：获取子组SubGl内用户ui的在子组内的活跃指数Actui，计算每个子组的群组影响力因子，第l个子组的群组影响力因子Infl为：其中是子组SubGl内用户ui的用户信任权重；计算每个子组与群组G之间的相关性，第l个子组与群组G之间的相关性Cl为：其中i＝1,2,…,l,…,p，表示子组个数，Rab表示第a个小组mia对推荐项目itemb的推荐评级。(503)计算每个子组对待推荐服务集的推荐权重，SubGl对服务集Item的推荐权重g(Item,SubGl)的计算式为：α为影响度参数，取值范围是[0,1]；(6)计算每个待推荐服务的聚合指数，根据聚合指数的升序排列，得到服务推荐列表ListR，具体包括如下步骤：(6.1)计算每一个服务的聚合指数，其中第b个服务itemb的聚合指数D(itemb)的计算步骤如下：计算对服务itemb评级最大的子组即当l＝Lb时，取最大值；计算D(itemb)：其中wLb为子组中小组的数量，βb为协同参数，β1+β2+…+βp＝1；(6.2)对待推荐服务集Item中的服务按照聚合指数升序排序，截取排序后的前Ψ个服务组成推荐列表ListR，ListR＝{itemA,itemB,…,itemΨ}；D(itemA)≤D(itemB)≤…≤D(itemΨ)，ListR∈Item，Ψ≤m。步骤(3)中对群组G划分子组的步骤为：遍历群组中所有的非质心用户，将质心用户kl作为簇心，与kl存在路径实例且路径实例数量大于1的用户划分到子组SubGl中。步骤(3)中在第l个子组内建立分层分组模型包括步骤：(301)将第l个子组中信任权值最大和最小的用户作为第一层，并分别划分为第1个小组和第2个小组；在第l个子组所有用户中去掉划分出的第一层用户，得到剩余用户集合Slr；row＝1，team＝2；(302)查看剩余用户集合Slr中用户的信任权值是否相同；如果不同，row的值加1，将剩余用户集合Slr中信任权值最大和最小的用户作为第row层，并分别划分为第team+1个小组和第team+2个小组，team的值加2；在用户集合Slr中去掉划分出的第row层用户；循环执行步骤(302)，直到用户集合Slr中用户的信任权值相同，并划分为第team+1个小组。步骤(502)中参数φ的取值为2。有益效果：与现有的服务推荐方法相比，本专利技术公开的服务推荐列表生成方法具有以下有益效果：1、将用户的信任权重作为构建分层分组模型的依据，为群组推荐服务中的局部与整体问题中考虑局部用户的需求提供了一种有效且合理的途径；2、子组评级矩阵的设置以及子组与项目之间的相关性的计算，避免了单一的基于前N项排名中极端推荐问题；3、本专利技术公开的方法与现有的群组推荐方法是兼容的，该方法是对群组推荐列表进行排序，方法中用户信任权重的计算、分层分组模型以及用户-群组-项目之间的关系是灵活可变的，因此其中任一部分均适用现有的群组推荐方法；4、本专利技术在计算推荐项目权重时，考虑到子组对整个群组的影响不同，计算子组对群组的影响度，有益于提高项目在群组中的快速推广；5、在以用户共性-个性为共同目标的群组推荐服务中，推荐项目的排序问题尤为重要，本专利技术提供了一种排序方法来找到最优的推荐列表，不仅提高推荐服务的用户满意度，而且以用户-群组-项目之间的相互关系为中心，可以实现更加优质的群组推荐服务体验。附图说明图1为本专利技术公开的服务推荐列表生成方法的流程图。具体实施方式下面结合附图和具体实施方式，进一步阐明本专利技术。如图1所示，一种面向群组的服务推荐列表生成方法，包括如下步骤：步骤1、根据目标群组G内用户的关系，构建用户关系有向图GrapG；所述用户关系有向图GrapG中的节点为群组内的用户；两个用户之间有消息发送则所述两个用户本文档来自技高网...

【技术保护点】
1.一种面向群组的服务推荐列表生成方法，其特征在于，包括如下步骤：(1)根据目标群组G内用户的关系，构建用户关系有向图GrapG；所述用户关系有向图GrapG中的节点为群组内的用户；两个用户之间有消息发送则所述两个用户对应的节点之间存在路径，所述路径方向为所述两个用户之间消息的发送方向；每个用户具有对群组G的信任权值，设用户ui的信任权值为

【技术特征摘要】
1.一种面向群组的服务推荐列表生成方法，其特征在于，包括如下步骤：(1)根据目标群组G内用户的关系，构建用户关系有向图GrapG；所述用户关系有向图GrapG中的节点为群组内的用户；两个用户之间有消息发送则所述两个用户对应的节点之间存在路径，所述路径方向为所述两个用户之间消息的发送方向；每个用户具有对群组G的信任权值，设用户ui的信任权值为(2)遍历群组G内的所有用户，计算每个用户与其他用户的不相关度，选取不相关度最大的p个用户作为质心用户kl，l＝1,2,…,p；所述用户ui的不相关度计算为：其中，为用户关系有向图GrapG中用户ui,uj之间的路径实例数量；为用户关系有向图GrapG中从用户uj出发再回到uj的路径实例数量；(3)根据p个质心用户，将群组G划分为p个子组，每个子组中包含一个质心用户；G＝{SubG1,SubG2,…,SubGl,…,SubGp}，SubGl为第l个子组，包含质心用户kl；对每个子组建立分层分组模型，将所述子组划分为多个小组；(4)待推荐服务集为：Item＝{item1,item2,…,itemm}；采集每个小组对待推荐服务集中每个服务的兴趣指数；在每个子组中构建推荐服务集评级矩阵，第l个子组的评级矩阵为：其中wl为第l个子组中小组的数量，m为待推荐服务的总数，Rab为第l个子组中的第a个小组ma对第b个待推荐服务itemb的推荐评级，a＝1,…,wl，b＝1,…,m；第a个小组ma的信任权值为ma内所有用户的信任权值之和；rab为小组ma对服务itemb的兴趣指数；(5)根据每个子组的评级矩阵，计算每个子组对待推荐服务集的推荐权重，包括步骤501-503：(501)计算每个子组SubGl与待推荐服务集Item的相关性S(Item,SubGl)：其中为rab,rcd的余弦相似度；a,c＝1,2,…,wl；b,d＝1,2,…,m；λ为调整时间参数，取值λ<1；tb为Item中第b个服务itemb在子组SubGl内的热度持续时间；(502)计算子组SubGl与群组G之间的相关性Cl，包括步骤：获取子组SubGl内用户ui的在子组内的活跃指数Actui，计算每个子组的群组影响力因子，第l个子组的群组影响力因子Infl为：其中是子组SubGl内用户ui的用户信任权重；计算每个...

【专利技术属性】
技术研发人员：王海艳，陈栋栋，骆健，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32