【技术实现步骤摘要】
本专利技术涉及社交网络，尤其涉及一种个体信任关系群组推荐方法、装置、设备及存储介质。
技术介绍
1、在信息化时代的21世纪，生活中充斥着海量的信息，在我们想要使用这些信息的时候，有主动和被动两种收集信息的方式，通常搜索引擎所提供的是主动信息，推荐系统所提供的是被动信息；不仅如此，在个性化推荐的基础之上，存在着群组推荐的需求，例如咖啡厅、酒吧播放音乐，聚会点餐等等。
2、目前，实现群组推荐的方法主要分为两类：一类是对个体偏好进行聚合后生成群组推荐，另一类是构建群组偏好模型后基于该模型生成推荐；第一类方法中，首先为每个个体生成推荐，然后通过某种策略(如平均值)聚合生成群组推荐；第二类方法中，首先从所有组员中构建一个伪用户配置文件，然后用推荐系统为该伪用户生成推荐；还有一些方法考虑了社交网络关系对群组推荐的影响，如基于组内成员之间的信任关系调整推荐权重等。
3、但是，现有考虑社交网络的群组推荐系统主要聚焦于组内成员关系的作用，而没有考虑到组外成员的影响。
技术实现思路
1、本专利技术的主要目的在于提供一种个体信任关系群组推荐方法、装置、设备及存储介质，旨在解决现有技术中群组推荐系统主要聚焦于组内成员关系的作用，而没有考虑到组外成员的影响，推荐结果准确性较低的技术问题。
2、第一方面，本专利技术提供一种个体信任关系群组推荐方法，所述个体信任关系群组推荐方法包括以下步骤：
3、随机选取若干用户组成一个组，对组内每个用户构建个性化推荐模型；>
4、根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，根据所述个性化推荐评分计算组内的分歧度；
5、在社交信任网络中找到所述组内成员信任的外部成员，获得所述外部成员对目标物品的实际评分，根据所述个性化推荐评分、所述分歧度和所述实际评分生成组推荐结果。
6、可选地，所述根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，根据所述个性化推荐评分计算组内的分歧度，包括：
7、根据所述个性化推荐模型计算每个组内成员的个性化推荐评分；
8、获取所述组内成员对当前项目的预测评分的方差，根据所述方差计算获得组内的分歧度；
9、或，
10、将所述预测评分分为高于预设评分标准值和低于所述预设评分标准值的两个评分部分，根据两个评分部分的评分差值计算所述分歧度。
11、可选地，所述根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，包括：
12、通过所述个性化推荐模型的开源的推荐系统工具包计算当前组中每个组内成员的推荐分，将所述推荐分的平均值作为所述当前组的个性化推荐评分。
13、可选地，所述通过所述个性化推荐模型的开源的推荐系统工具包计算当前组中每个组内成员的推荐分，将所述推荐分的平均值作为所述当前组的个性化推荐评分，包括：
14、通过所述个性化推荐模型的开源的推荐系统工具包计算选定的当前组中每个组内成员的推荐分；
15、根据当前推荐策略生成所述推荐分对应的总推荐分，计算所述总推荐分的平均值，将所述平均值作为所述当前组的个性化推荐评分。
16、可选地，所述获取所述组内成员对当前项目的预测评分的方差，根据所述方差计算获得组内的分歧度，包括：
17、通过下式计算所有组内成员对当前项目的预测评分的方差：
18、
19、其中，lambda(g,i)为分歧度，g为组，i为项目，u为组内成员，pred(u,i)为u对i的预测评分，mean(g,i)为g对i的平均预测评分。
20、可选地，所述将所述预测评分分为高于预设评分标准值和低于所述预设评分标准值的两个评分部分，根据两个评分部分的评分差值计算所述分歧度，包括：
21、根据预设评分标准值加工所述预测评分划分为高于预设评分标准值和低于所述预设评分标准值的两个评分部分；
22、根据两个评分部分的评分差值通过下式计算所述分歧度：
23、lambda(g,i)＝greater(g,i)-lesser(g,i)
24、其中，greater(g,i)为高于所述预设评分标准值的部分的平均值，lesser(g,i)为低于所述预设评分标准值的部分的平均值。
25、可选地，所述在社交信任网络中找到所述组内成员信任的外部成员，获得所述外部成员对目标物品的实际评分，根据所述个性化推荐评分、所述分歧度和所述实际评分生成组推荐结果，包括：
26、在社交信任网络中找到所述组内成员信任的外部成员，获得所述外部成员对目标物品的实际评分；
27、根据所述个性化推荐评分、所述分歧度和所述实际评分通过下式获得生成组推荐结果：
28、(1-lambda)cgp+lambda·oar
29、其中，lambda为所述分歧度，cgp为所述个性化推荐评分，oar为所述实际评分。
30、第二方面，为实现上述目的，本专利技术还提出一种个体信任关系群组推荐装置，所述个体信任关系群组推荐装置包括：
31、推荐模型构建模块，用于随机选取若干用户组成一个组，对组内每个用户构建个性化推荐模型；
32、分歧度计算模块，用于根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，根据所述个性化推荐评分计算组内的分歧度；
33、推荐模块，用于在社交信任网络中找到所述组内成员信任的外部成员，获得所述外部成员对目标物品的实际评分，根据所述个性化推荐评分、所述分歧度和所述实际评分生成组推荐结果。
34、第三方面，为实现上述目的，本专利技术还提出一种个体信任关系群组推荐设备，所述个体信任关系群组推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的个体信任关系群组推荐程序，所述个体信任关系群组推荐程序配置为实现如上文所述的个体信任关系群组推荐方法的步骤。
35、第四方面，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有个体信任关系群组推荐程序，所述个体信任关系群组推荐程序被处理器执行时实现如上文所述的个体信任关系群组推荐方法的步骤。
36、本专利技术提出的个体信任关系群组推荐方法，通过随机选取若干用户组成一个组，对组内每个用户构建个性化推荐模型；根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，根据所述个性化推荐评分计算组内的分歧度；在社交信任网络中找到所述组内成员信任的外部成员，获得所述外部成员对目标物品的实际评分，根据所述个性化推荐评分、所述分歧度和所述实际评分生成组推荐结果；能够引入组外成员即组内成员所信任的用户对该项目的实际评分，以纠正和调整组内成员的预测评分，通过融合推荐系统和信任网络，给出合理的组推荐结果，提升了推荐结果的准确性，提高了个体信任关系群组推荐的速度和效率。
本文档来自技高网...【技术保护点】
1.一种个体信任关系群组推荐方法，其特征在于，所述个体信任关系群组推荐方法包括：
2.如权利要求1所述的个体信任关系群组推荐方法，其特征在于，所述根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，根据所述个性化推荐评分计算组内的分歧度，包括：
3.如权利要求2所述的个体信任关系群组推荐方法，其特征在于，所述根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，包括：
4.如权利要求3所述的个体信任关系群组推荐方法，其特征在于，所述通过所述个性化推荐模型的开源的推荐系统工具包计算当前组中每个组内成员的推荐分，将所述推荐分的平均值作为所述当前组的个性化推荐评分，包括：
5.如权利要求2所述的个体信任关系群组推荐方法，其特征在于，所述获取所述组内成员对当前项目的预测评分的方差，根据所述方差计算获得组内的分歧度，包括：
6.如权利要求2所述的个体信任关系群组推荐方法，其特征在于，所述将所述预测评分分为高于预设评分标准值和低于所述预设评分标准值的两个评分部分，根据两个评分部分的评分差值计算所述分歧度，包括：
7
8.一种个体信任关系群组推荐装置，其特征在于，所述个体信任关系群组推荐装置包括：
9.一种个体信任关系群组推荐设备，其特征在于，所述个体信任关系群组推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的个体信任关系群组推荐程序，所述个体信任关系群组推荐程序配置为实现如权利要求1至7中任一项所述的个体信任关系群组推荐方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有个体信任关系群组推荐程序，所述个体信任关系群组推荐程序被处理器执行时实现如权利要求1至7中任一项所述的个体信任关系群组推荐方法的步骤。
...【技术特征摘要】
1.一种个体信任关系群组推荐方法，其特征在于，所述个体信任关系群组推荐方法包括：
2.如权利要求1所述的个体信任关系群组推荐方法，其特征在于，所述根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，根据所述个性化推荐评分计算组内的分歧度，包括：
3.如权利要求2所述的个体信任关系群组推荐方法，其特征在于，所述根据所述个性化推荐模型计算每个组内成员的个性化推荐评分，包括：
4.如权利要求3所述的个体信任关系群组推荐方法，其特征在于，所述通过所述个性化推荐模型的开源的推荐系统工具包计算当前组中每个组内成员的推荐分，将所述推荐分的平均值作为所述当前组的个性化推荐评分，包括：
5.如权利要求2所述的个体信任关系群组推荐方法，其特征在于，所述获取所述组内成员对当前项目的预测评分的方差，根据所述方差计算获得组内的分歧度，包括：
6.如权利要求2所述的个体信任关系群组推荐方法，其特征在于，所述将所述预测评分分为高于预设评分标准值和...
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。