[发明专利]一种基于用户社区和评分联合社区的推荐方法

权利要求书

1.一种基于用户社区和评分联合社区的推荐方法，其特征在于，包括以下步骤：

1)、首先，基于用户间的社交关系数据得到用户间的信任度，基于用户间的评分数据得到用户间的相似度，从而得出用户间的混合相似度值；

2)、然后根据混合相似度的值对用户采用改进的K-means聚类操作，改进k-means聚类操作改进在于对用户成为专家的可能性进行评估，寻找专家值最大的K个用户作为初始的聚类中心，最后得到用户聚类簇；

3)、其次，根据评分矩阵的评分模式利用概率的方法对评分矩阵中的用户和商品进行联合聚类，得到评分矩阵联合聚类簇；

4)、最后面向用户-物品的联合社区结构利用矩阵分解技术，并融合用户聚类簇和评分矩阵联合聚类簇进行用户社区结构进行推荐；

所述步骤1)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间的信任关系和相似关系，融合两者构建新的相似度计算方法，其计算公式如下：

Sim(u,v)＝β·Trust(u,v)+(1-β)·SimRat(u,v) (1)

式中Trust(u,v)表示信任矩阵T中用户u和用户v之间的信任关系，SimRat(u,v)表示用户u和v之间的相似关系，定义一个权重β来表示二者所占的比重，为了权衡信任关系和相似关系，这里将β设置为0.5；

所述用户间的信任度、用户间的相似度分别为：

定义用户间的信任关系值度量公式如下：

式中，Trust(u,v)∈(0,1]，d(u,v)是用户u和用户v之间的最短距离；

定义用户间的相似关系，提出一种基于用户评分偏好的相似度计算方法，其计算公式如下：

其中，和表示用户u和用户v的所有评分的平均值，σ_u和σ_v分别表示两个用户评分的标准差，其计算表达式是其中r_u,p表示用户u对物品p的评分，I_u表示用户u评分过的物品集合，通过利用评分均值和标准差可以消除偏好的影响，

2.根据权利要求1所述的基于用户社区和评分联合社区的推荐方法，其特征在于，所述步骤2)利用改进K-means算法对用户进行聚类操作，具体包括以下步骤：

(1)、从可信度T_u，权威性A_u以及评分多样性D_u三个指标出发，对用户成为专家的可能性进行评估，式(4)，(5)和(6)分别表示用户的可信度，权威性以及评分多样，综合这三个指标的均值来作为评估用户成为专家的可能性；

式中d_u表示用户u的入度，d_max表示信任网络中入度的最大值，N_u表示用户u评过分的物品数量，v_u表示用户u的评分方差；

(2)、取专家值最大的k个用户作为初始的簇中心集合,用集合的形式表示为U＝{expert(u₁),expert(u₁),…expert(u_k)}，expert(u_k)表示用户u_k的专家值；聚类中心集合记为Center＝{ce₁,ce₂,…ce_k}，其中ce_k表示第k个聚类簇的聚类中心；并初始化k个聚类簇，记作C＝{C₁,C₂,…C_k}，其中C_k表示第k个聚类簇；

(3)、对用户集合中的每个用户，计算其与所有聚类中心的混合相似度，找到其中相似度最大的用户Max(Sim(u,ce_i))，将用户u加入聚类中心ce_i所在的聚类簇C_i；

(4)、更新所有的聚类中心，计算每个聚类簇中用户混合相似度均值最大的用户作为新的聚类中心，利用混合相似度计算每个簇中的用户与聚类中心的误差平方和

(5)、若聚类中心未发生改变，则整个过程结束，若聚类中心发生改变，则回到步骤(3)继续执行。