[发明专利]一种基于用户特征及其信任度的协同过滤推荐方法

说明书

技术领域

本发明涉及一种基于特征用户及其信任度的协同过滤推荐方法，在协同过滤的基础上引入用户特征和用户信任度，以缓解传统协同过滤推荐算法的冷启动问题及数据稀疏性问题，进一步提高推荐精度，属于个性化推荐技术研究的领域。 

背景技术

随着互联网的飞速发展，互联网信息海量增长，带来的问题正是用户难以及时准确地找到自身需要的信息，用户需要可以根据自身特点组织协调信息的解决方案，个性化推荐技术应运而生。 

目前，在个性化推荐技术中，比较常用的推荐算法有2种:基于内容的推荐和协同过滤推荐。基于内容的推荐算法是假定用户的兴趣不变，根据用户以往的数据来构造出用户喜欢项目的特征，然后根据用户数据特征与内容特征的拟合，向用户推荐项目。协同过滤源于“集体智慧”的思想，利用当前用户或者其他用户对部分项目的已知偏好数据来预测当前用户对其他项目的潜在偏好，或者利用部分用户对当前项目或者其他项目的已知偏好数据来预测其他用户对当前项目的潜在偏好。 

协同过滤是现今推荐系统中应用最为成熟的一个推荐算法系类，它利用兴趣相投、拥有共同经验之群体的喜好来推荐使用者感兴趣的资讯，个人透过合作的机制给予资讯相当程度的回应并记录下来以达到过滤的目的进而帮助别人筛选资讯。但其缺陷也很明显：推荐品质取决于历史资料，对于新用户或新项目系统开始时推荐品质较差或无法推荐——冷启动问题；系统历史数据过少时，难以进行精确的模式查找匹配推荐——数据稀疏性问题；新增用户或项目时，系统需要增加计算负荷量大——扩展性问题。 

协同过滤推荐算法依赖系统内的其他用户，其他用户就是未来提供推荐的合作伙伴，用户接受合作伙伴的建议，是基于对对方的一种信任，并且认为会从中获益，支持协同过滤算法的原理就是一种信任机制。但传统的协同过滤推荐算法并没有考虑不同用户之间的信任程度的问题。 

发明内容

本发明目的是提出一种基于特征用户和用户信任度的协同过滤推荐方法，在协同过滤的基础上引入用户特征及其信任度对协同过传统滤推荐算法进行改进，通过引入用户特征缓解传统协同过滤推荐算法中的冷启动问题和数据稀疏性问题（利用用户的特征计算便可 脱离对历史数据的依赖）以及通过引入用户信任度来进一步提高推荐精度。 

为实现上述发明目的，本发明采取如下技术方案：一种基于用户特征及其信任度的协同过滤推荐方法，其特征在于：在协同过滤的基础上引入用户特征和用户信任度对协同过传统滤推荐算法进行改进，在计算相似度时结合评分数据和用户特征因素，并在生成推荐时加入用户信任度，包括如下步骤： 

步骤1，获取用户的历史评分数据和用户特征信息； 

步骤2，在历史评分数据上利用Pearson相关系数公式，在用户特征数据上利用欧氏距离公式，分别构造基于用户评分的用户相似度矩阵SimUser1(x,y)和基于用户特征的相似度矩阵SimUser2(x,y)：