[发明专利]基于偏好模型的社会化过滤方法

权利要求书

1.一种基于偏好模型的社会化过滤方法，包括如下步骤：

(1)从网页配置文件中获取一个组G＝{u₁，u₂，…，u_g}，u_l为组员，1≤l≤g，g为组G中组员的个数；再从组内获取所有组员喜好对象的列表M＝{m₁，m₂，…，m_p}，m_i为组员喜好对象，1≤i≤p，p为列表M中对象的个数；

(2)根据组G的特征，分别计算组员u_l和组员喜好对象m_i对组的影响因子，得到对组G的加权影响向量：为组员喜好对象m_i对组G归一化后的加权影响因子，1≤i≤p；

(3)使用关键字表示组员喜好对象m_i，得到组员喜好对象m_i的关键字向量W_i＝{w₁，w₂，…，w_n}，w_q为组员喜好对象m_i的关键字，1≤q≤n，n为组员喜好对象m_i的关键字个数；

(4)将对象列表M的关键字向量表示为W＝{W₁，W₂，…，W_p}，W_i表示组员喜好对象m_i的关键字向量，1≤i≤p；

(5)根据步骤(2)中所述的加权影响向量和步骤(4)中所述对象列表M的关键字向量W，计算组G的综合加权影响向量

(6)输入待分析对象m′，并使用关键字表示待分析对象m′，得到待分析对象m′的关键字向量W′＝{w′₁，w′₂，…，w′_k}，其中w′_r为待分析对象m′的关键字，1≤r≤k，k为待分析对象m′的关键字个数；

(7)根据步骤(6)中所述待分析对象m′的关键字向量W′和步骤(5)中所述组G的加权影响向量计算待分析对象m′的过滤系数Y：

Y=Σi=1pyi,]]>

其中，y_i为过滤因子，1≤i≤p；

(8)根据步骤(7)中所述待分析对象m′的过滤系数Y，判断推荐条件：若Y≥λ，则表示待分析对象m′满足推荐条件，并向组G予以推荐；反之不予以推荐，λ为推荐系统预设的阈值，0≤λ≤1。

2.根据权利要求1所述的基于偏好模型的社会化过滤方法，其中步骤(1)所述的喜好对象，是指组员在其网页上显示其喜好的对象信息；所述的喜好对象列表，是取每个组员所喜好对象的一个并集。

3.根据权利要求1所述的基于偏好模型的社会化过滤方法，所述步骤(2)中计算组员u_l和组员喜好对象m_i对组G的影响因子，包括如下步骤：

(2a)计算组员u_l对组G的影响因子

fG,ul=NulΣul∈GNul]]>

其中，表示组员u_l在组G中的好友个数，组G＝{u₁，u₂，…，u_g}，u_l为组员，1≤l≤g，g为组G中组员的个数；

(2b)计算组员喜好对象m_i对组G的影响因子

fG,mi=SmiΣul∈Tul]]>

其中，表示组G内包含组员喜好对象m_i的组员个数，表示组G内组员u_l所有喜好的对象的个数，组员喜好对象的列表M＝{m₁，m₂，…，m_p}，m_i为组员喜好对象，1≤i≤p，p为列表M中对象的个数；

(2c)根据组员u_l对组G的影响因子和组员喜好对象m_i对组G的影响因子，计算组员喜好对象m_i对组G的加权影响因子x_i：

xi=fG,mi*Σul∈Gα·fG,ul]]>

其中，α为加权系数，1≤i≤p，1≤l≤g；

(2d)使用得到的加权影响因子x_i，表示加权影响因子向量X＝{x₁，x₂，…，x_p}，对加权影响因子向量X进行归一化处理，得到加权影响向量X~={x~1,x~2,···,x~p},]]>Σi=1px~i=1,1≤i≤p.]]>