一种基于信任度和专家用户的协同过滤推荐方法技术

本发明专利技术提出了一种基于信任度和专家用户的协同过滤推荐方法。涉及推荐方法领域，该方法将评分信息、信任信息和专家用户集成到推荐模型中，减少了数据稀疏性和冷启动问题。信任值通过用户相似度和评分物品相关度计算获得；专家用户通过全局信任度、活跃性、评分差异性来选取；将专家填充到信任列表中，扩充信任关系，缓解其稀疏性和冷启动问题；用信任值代替二值信任关系，有效的提高推荐系统的准确度。经实验验证，该方法在评价指标(MAE和RMSE)上优于现有社会化推荐算法。

A collaborative filtering recommendation method based on trust and expert users

【技术实现步骤摘要】
一种基于信任度和专家用户的协同过滤推荐方法
本专利技术属于推荐算法和社交网络领域，具体地，一种基于信任度和专家用户的协同过滤推荐方法。
技术介绍
随着互联网技术的快速发展和在线服务的普及，人们获取的信息呈现爆炸式增长的态势，这给人们的生活带来很大的便利，但大量冗余的数据干扰了人们对所需信息的选择，这就是信息过载问题。如何从海量数据中快速有效地获取所需的信息变得越来越困难。信息检索技术虽能在一定程度上解决信息过载问题，但它提供的更多的是用户主动去茫茫大海中打捞所需数据，无法实现用户的个性化需求，而推荐算法作为一种重要的信息过滤技术，是解决“信息过载”问题的有效手段，现已成为了当今学术研究的热点问题。推荐系统根据用户的历史行为如需求、兴趣、点击、收藏等，通过推荐算法向用户提供可能感兴趣的产品和信息。对用户而言，推荐算法能帮助用户在海量信息中快速寻找到自己所需信息；对商家而言，推荐算法能帮助其更好的把商品销售给特定的用户，增强用户的忠诚度。目前，推荐系统在众多应用领域中取得了较大进展，包括电子商务(如淘宝、京东)、社交网络(如腾讯、Twitter)、本文档来自技高网...

【技术保护点】
1.一种基于信任度和专家用户的协同过滤推荐方法，其特征在于包括如下步骤：/n(1)数据来源：从数据集中把用户-项目评分数据和用户-用户信任数据作为数据样本，通过五次交叉验证将数据划分为训练集和测试集；/n(2)用户信任值计算：采用融合项目数量和皮尔逊相关系数来计算用户之间的信任值；/n(3)专家选取：综合考虑全局信任度、用户活跃性以及用户评分差异性来计算用户成为专家的可能性，选取可能性最大的几个用户当作是专家；/n(4)基于信任度和专家用户的协同过滤推荐方法：将新计算的用户信任值来代替传统的二值信任关系以便提高推荐质量；将选出来的专家添加到用户-用户信任列表，一方面降低信任列表的稀疏性，另一方...

【技术特征摘要】
1.一种基于信任度和专家用户的协同过滤推荐方法，其特征在于包括如下步骤：
(1)数据来源：从数据集中把用户-项目评分数据和用户-用户信任数据作为数据样本，通过五次交叉验证将数据划分为训练集和测试集；
(2)用户信任值计算：采用融合项目数量和皮尔逊相关系数来计算用户之间的信任值；
(3)专家选取：综合考虑全局信任度、用户活跃性以及用户评分差异性来计算用户成为专家的可能性，选取可能性最大的几个用户当作是专家；
(4)基于信任度和专家用户的协同过滤推荐方法：将新计算的用户信任值来代替传统的二值信任关系以便提高推荐质量；将选出来的专家添加到用户-用户信任列表，一方面降低信任列表的稀疏性，另一方面有效降低了用户冷启动问题。


2.根据权利要求1所述的一种基于信任度和专家用户的协同过滤推荐方法，其特征在于，所述数据集为FilmTrust和CiaoDVD推荐系统数据集。


3.根据权利要求1所述的一种基于信任度和专家用户的协同过滤推荐方法，其特征在于，所述用户信任值计算分为两部分：
第一部分：先统计用户u和用户v各自评过分的项目数量，再统计用户u和用户v共同评过分项目的数量，得到用户u对用户v的评分物品相关度：



式(1)中Iu和Iv分别表示用户u和用户v评过分的项目，confu,v代表用户u和用户v共同评分的项目数量和用户u评分的项目数量之比；
第二部分：进行皮尔逊相关系数计算：



式(2)中ru,j表示用户u对项目j的评分，表示用户u的平均评分，rv,j表示用户v对项目j的评分，表示用户v的平均评分；
最终得到用户的信任值：



即上式3表示信任值的最终计算。


4.根据权利要求1所述的一种基于信任度和专家用户的协同过滤推荐方法，其特征在于，...

【专利技术属性】
技术研发人员：段振春，徐蔚鸿，陈沅涛，丁林，蔡周沁雄，刘燚，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43