一种基于局部加权中心性信任推理的信息推荐方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于局部加权中心性信任推理的信息推荐方法及装置，方法包括：计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数；针对每个用户，根据对应的局部加权中心性分数对其邻居用户进行筛选，得到该用户的目标邻居用户；根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定待推荐用户与目标用户之间的目标兴趣关联关系；基于目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定待推荐用户对目标用户的信任分数；根据信任分数，向待推荐用户推荐预设信息。应用本发明专利技术实施例，可以提高信息推荐的效率。

An information recommendation method and device based on local weighted Central Trust reasoning

【技术实现步骤摘要】
一种基于局部加权中心性信任推理的信息推荐方法及装置
本专利技术涉及计算机网络
，特别是涉及一种基于局部加权中心性信任推理的信息推荐方法及装置。
技术介绍
随着互联网相关技术的高速发展，网络信息的数据量呈现出指数级的增长，用户从大量网络信息中获取所需信息的难度越来越大。为了向用户提供所需的信息，推荐系统应运而生。其中，基于社交网络的协同过滤推荐系统作为一种典型的推荐系统，已经被广泛应用于电子商务、社交平台、广告等领域。在基于社交网络的协同过滤推荐系统中，电子设备可以根据待推荐用户与其邻居用户之间的信任信息确定推荐信息，其中，邻居用户为社交网络中与用户存在兴趣关联关系的用户。对于一个用户来说，该用户一般不会与社交网络中其他所有用户都存在兴趣关联关系，因此，用户之间的信任信息的数量较少，会导致基于社交网络的协同过滤推荐系统推荐信息的准确度较低。为了提高推荐信息的准确度，需要增加社交网络中用户之间的信任信息。目前，可以通过NLP(NaturalLanguageProcessing，自然语言处理)技术，预先获取社交网络中每个用户关注的领域的领域信息，然后计算每个用户的领域信息与其邻居用户的领域信息之间的相似度，从每个用户的邻居用户中筛选出领域信息相似度较高的邻居用户，作为每个用户的目标邻居用户。进而，根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定待推荐用户与所述目标用户之间的目标兴趣关联关系，然后基于目标兴趣关联关系对应的各用户之间的信任信息，确定待推荐用户与目标用户之间的信任信息。其中，目标用户为与待推荐用户不存在兴趣关联关系的用户。由于电子设备通过NLP技术获取社交网络中用户的领域信息所需的计算量较大，需要耗费较长的时间，所以，通过上述方法确定待推荐用户与目标用户的信任信息所需的时长较长，信息推荐效率较低。
技术实现思路
本专利技术实施例的目的在于提供一种基于局部加权中心性信任推理的信息推荐方法及装置，以提高信息推荐的效率。第一方面，本专利技术实施例提供了一种基于局部加权中心性信任推理的信息推荐方法，所述方法包括：计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数，其中，所述邻居用户为与用户存在兴趣关联关系的用户，所述信任信息所对应的预设分数为预先根据用户对其邻居用户的兴趣行为的次数确定的；针对每个用户，根据对应的局部加权中心性分数对其邻居用户进行筛选，得到该用户的目标邻居用户；根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定所述待推荐用户与所述目标用户之间的目标兴趣关联关系，其中，所述目标用户为与所述待推荐用户不存在兴趣关联关系的用户；基于所述目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定所述待推荐用户对所述目标用户的信任分数；根据所述信任分数，向所述待推荐用户推荐预设信息。可选的，所述计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数的步骤，包括：根据公式计算所述局部加权中心性分数Dout(vi)；其中，Nout(vi)为用户vi的预设层次的邻居用户的集合，T(vi，wj)为用户vi对其邻居用户wj的信任信息对应的预设分数。可选的，所述计算每个用户与其邻居用户之间信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数的步骤，包括：计算每个用户对其邻居用户的第一信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数，其中，所述第一信任信息对应的预设分数不小于预设阈值。可选的，在所述计算每个用户与其邻居用户之间信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数的步骤之前，所述方法还包括：确定每个用户的出度信任信息和入度信任信息中可靠信任信息的数量，其中，所述出度信任信息为用户对其邻居用户的信任信息，所述入度信任信息为其他用户对该用户的信任信息，所述可靠信任信息对应的预设分数不小于预设阈值；根据所述可靠信任信息的数量以及非可靠信任信息的数量，确定每个用户的安全性分数；将安全性分数未达到预设分数阈值的用户对应的信任信息去除。可选的，所述根据上述可靠信息的数量以及非可靠信息的数量，确定每个用户的安全性分数的步骤，包括：根据公式计算所述安全性分数R(u)；其中，xu为用户u对应的可靠信任信息的数量，yu为用户u对应的非可靠信任信息的数量，ζ1、ζ2为根据所述预设阈值预先设置的参数。可选的，所述目标兴趣关联关系为多个；所述基于所述目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定所述待推荐用户对所述目标用户的信任分数的步骤，包括：基于每个目标兴趣关联关系对应的各用户之间的信任信息对应的预设分数，确定每个目标兴趣关联关系的信任分数；根据每个目标兴趣关联关系对应的用户中的第一用户，对该目标兴趣关联关系进行分类，其中，所述第一用户为以所述目标用户为邻居用户的用户；基于各目标兴趣关联关系的信任分数，确定每种类型的目标兴趣关联关系的信任分数；基于对应的第一用户的局部加权中心性分数，计算每种类型的目标兴趣关联关系的信任分数对应的权重；基于每种类型的目标兴趣关联关系的信任分数及其对应的权重，确定所述待推荐用户对所述目标用户的信任分数。可选的，所述基于每个目标兴趣关联关系对应的各用户之间的信任信息对应的预设分数，确定每个目标兴趣关联关系的信任分数的步骤，包括：根据公式Tsm＝Min*a(h)，计算每个目标兴趣关联关系的信任分数Tsm；其中，Min为目标兴趣关联关系对应的各用户之间的信任信息对应的预设分数中的最小值，a(h)为根据目标兴趣关联关系的层次数量确定的信任衰减系数。可选的，所述基于对应的第一用户的局部加权中心性分数，计算每种类型的目标兴趣关联关系的信任分数对应的权重的步骤，包括：根据公式计算所述权重Wm；其中，nNeb为所述目标兴趣关联关系的类型的数量，rm为每种类型的目标兴趣关联关系对应的第一用户按照局部加权中心性分数由大到小的排名。可选的，所述基于每种类型的目标兴趣关联关系的信任分数及其对应的权重，确定所述待推荐用户对所述目标用户的信任分数的步骤，包括：根据公式计算所述待推荐用户对所述目标用户的信任分数Tst；其中，Neb(t)为所述第一用户的集合，TM为每种类型的目标兴趣关联关系的信任分数，T(m，t)为所述第一用户对目标用户的信任信息对应的预设分数，Wm为每种类型的目标兴趣关联关系的信任分数对应的权重。第二方面，本专利技术实施例提供了一种基于局部加权中心性信任推理的信息推荐装置，所述装置包括：中心性分数计算模块，用于计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数，其本文档来自技高网...

【技术保护点】
1.一种基于局部加权中心性信任推理的信息推荐方法，其特征在于，所述方法包括：/n计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数，其中，所述邻居用户为与用户存在兴趣关联关系的用户，所述信任信息所对应的预设分数为预先根据用户对其邻居用户的兴趣行为的次数确定的；/n针对每个用户，根据对应的局部加权中心性分数对其邻居用户进行筛选，得到该用户的目标邻居用户；/n根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定所述待推荐用户与所述目标用户之间的目标兴趣关联关系，其中，所述目标用户为与所述待推荐用户不存在兴趣关联关系的用户；/n基于所述目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定所述待推荐用户对所述目标用户的信任分数；/n根据所述信任分数，向所述待推荐用户推荐预设信息。/n

【技术特征摘要】
1.一种基于局部加权中心性信任推理的信息推荐方法，其特征在于，所述方法包括：
计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数，其中，所述邻居用户为与用户存在兴趣关联关系的用户，所述信任信息所对应的预设分数为预先根据用户对其邻居用户的兴趣行为的次数确定的；
针对每个用户，根据对应的局部加权中心性分数对其邻居用户进行筛选，得到该用户的目标邻居用户；
根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定所述待推荐用户与所述目标用户之间的目标兴趣关联关系，其中，所述目标用户为与所述待推荐用户不存在兴趣关联关系的用户；
基于所述目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定所述待推荐用户对所述目标用户的信任分数；
根据所述信任分数，向所述待推荐用户推荐预设信息。


2.根据权利要求1所述的方法，其特征在于，所述计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数的步骤，包括：
根据公式计算所述局部加权中心性分数Dout(vi)；
其中，Nout(vi)为用户vi的预设层次的邻居用户的集合，T(vi，wj)为用户vi对其邻居用户wi的信任信息对应的预设分数。


3.根据权利要求1所述的方法，其特征在于，所述计算每个用户与其邻居用户之间信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数的步骤，包括：
计算每个用户对其邻居用户的第一信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数，其中，所述第一信任信息对应的预设分数不小于预设阈值。


4.根据权利要求1-3任一项所述的方法，其特征在于，在所述计算每个用户与其邻居用户之间信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数的步骤之前，所述方法还包括：
确定每个用户的出度信任信息和入度信任信息中可靠信任信息的数量，其中，所述出度信任信息为用户对其邻居用户的信任信息，所述入度信任信息为其他用户对该用户的信任信息，所述可靠信任信息对应的预设分数不小于预设阈值；
根据所述可靠信任信息的数量以及非可靠信任信息的数量，确定每个用户的安全性分数；
将安全性分数未达到预设分数阈值的用户对应的信任信息去除。


5.根据权利要求4所述的方法，其特征在于，所述根据上述可靠信息的数量以及非可靠信息的数量，确定每个用户的安全性分数的步骤，包括：
根据公式计算所述安全性分数R(u)；
其中，xu为用户u对应的可靠信任信息的数量，yu为用户u对应的非可靠信任信息的数量，ζ1、ζ2为根据所述预设阈值预先设置的参数。


6.根据权利要求1所述的方法，其特征在于，所述目标兴趣关联关系为多个；
所述基于所述目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定所述待推荐用户对所述目标用户的信任分数的步骤，包括：
基于每个目标兴趣关联关系对应的...

【专利技术属性】
技术研发人员：李小勇，蔡斌思，高雅丽，苑洁，唐嘉潞，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11