【技术实现步骤摘要】
一种融合社交影响和项目关联的个性化推荐方法
本专利技术属于个性化推荐领域，具体的说是一种融合社交影响和项目关联的个性化推荐方法。
技术介绍
互联网为人们提供网络便捷信息的同时，信息过载问题变得愈来愈严重。如何从海量的数据中为用户提供高效的信息是当前互联网面临的巨大挑战。在这种背景下，推荐系统应运而生。推荐系统在用户需求不明确的情况下，通过挖掘用户历史行为分析其潜在需求，帮助用户过滤无效信息，有效地将互联网信息以科学、系统的形式进行组织和呈现，帮助用户发现物品的价值。近年来，随着推荐系统被广泛应用于各大电商网站，推荐算法在学术界有了长足的发展，但数据稀疏性的问题仍然极大地影响了推荐的效果。随着社交网络的兴起，互联网出现了反映网络用户之间关系的数据，这些用户以好友、社群等多种形式的社交关系展现他们之间的联系，分享他们共同的兴趣爱好，用户之间的普遍关联将直接影响用户的决策过程，社交网络中的这种特点，使其在推荐系统中有着良好的应用场景。但在目前的社会化推荐模型中，系统中只提供了用户之间的一个显示的社交网络，没有提供用户影响力...
【技术保护点】
1.一种融合社交影响和项目关联的个性化推荐方法，其特征在于，包括以下步骤：/n步骤一：获取用户社交数据和用户评分数据，计算得到用户的社交影响力和用户间的相似度，从而得出用户影响力值；/n步骤二：根据用户影响力值对信任用户潜在特征向量进行指数约束，增强亲密好友的信任关系，建立用户影响力潜在信任特征向量；/n步骤三：利用用户评分数据对项目间进行关联计算，获取项目间的关联值，从而构建项目关联矩阵；/n步骤四：在概率矩阵分解中利用用户影响力和项目关联信息进行联合推荐。/n
【技术特征摘要】
1.一种融合社交影响和项目关联的个性化推荐方法，其特征在于，包括以下步骤：
步骤一：获取用户社交数据和用户评分数据，计算得到用户的社交影响力和用户间的相似度，从而得出用户影响力值；
步骤二：根据用户影响力值对信任用户潜在特征向量进行指数约束，增强亲密好友的信任关系，建立用户影响力潜在信任特征向量；
步骤三：利用用户评分数据对项目间进行关联计算，获取项目间的关联值，从而构建项目关联矩阵；
步骤四：在概率矩阵分解中利用用户影响力和项目关联信息进行联合推荐。
2.根据权利要求1所述的一种融合社交影响和项目关联的个性化推荐方法，其特征在于，所述步骤一中分别利用输入的用户社交关系数据和用户评分数据构建用户的社交影响力和用户间的相似度，线性组合两者构建用户的影响力矩阵，其计算公式如下：
f(u,v)＝asim(u,v)+(1-a)PR(u)(1)
式中，sim(u,v)表示用户u和用户v的相似度，代表着用户间的相互影响力，PR(u)表示用户u在社交网络中的个人影响力，f(u,v)表示用户u对用户v的影响力，定义一个权重a来表示两者所占的比重，为了权衡用户间的影响力和社交网络中的个人影响力，这里将a设置为0.4。
3.根据权利要求2所述的一种融合社交影响和项目关联的个性化推荐方法，其特征在于，所述用户间的相似度、用户的社交影响力分别为：
定义用户间的相似度度量公式如下：
式中，Iuv表示用户u和用户v都评分过的项目的结合，rui表示用户u对项目i的评分值，表示用户u的平均评分值，rvi表示用户v对项目i的评分值，表示用户v的平均评分值；
定义用户的社交影响力度量公式如下：
式中,PR(u)表示用户u在社交网络中的个人影响力，d为阻尼系数，表示用户访问当前节点所提供的链接的概率，取值为0.85，(1-d)表示用户随机访问下一节点的概率，N表示为用户数量。
4.根据权利要求2所述的一种融合社交影响和项目关联的个性化推荐方法，其特征在于，所述步骤二中根据用户影响力对信任用户潜在因子特征向量进行改进，增强亲密好友的信任关系，建立用户影响力潜在信任特征向量，具体包括以下步骤：
(1)计算社交网络中用户的特征向量u公式如下：
式中，Uu表示用户u潜在特征向量，Uv表示用户v的潜在特征向量，Tu,v表示社交用户u对用户v的信任值，是一个二进制值，取值为[0,1]，Nu表示用户u直接链接出去的用户集合；
(2)根据用户的特征向量得到用户的...
【专利技术属性】
技术研发人员：张功国，黄浩，张为易，
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。