[发明专利]一种融合信任用户隐语义LR模型的信息推送方法及系统

权利要求书

1.一种融合信任用户隐语义LR模型的信息推送方法，其特征在于，所述方法应用于电商系统，所述电商系统包括：评价模块和信任评选模块，所述评价模块包括用户对各商品的评价，所述信任评选模块包括用户信任列表，所述用户信任列表由所述用户评选出的信任用户所组成的列表；

所述方法包括：

获取目标用户的信任用户列表以及所述电商系统的所有用户；

根据目标用户的信任用户列表以及所述电商系统的所有用户，确定与所述目标用户不存在信任关系的用户；

将所述目标用户和其信任列表中的各用户所构成的向量作为正样本，将所述目标用户和与其不存在信任关系的用户所构成的向量作为负样本，对分类模型进行训练，得到训练后的分类模型，所述分类模型为隐语义逻辑回归模型；

采用训练后的分类模型对所述电商系统的所有用户进行分类，得到所述目标用户在所述电商系统中所有的信任用户；

根据各用户对商品的评分，确定所述目标用户的相似用户；

根据相关用户集中各用户在信任网络中的信任度以及相关用户集中各用户在商品评分系统中的评价水平确定相关用户集中各用户的权重，所述信任网络为由用户与其信任用户所组成的网络，所述相关用户集为所述目标用户的信任用户与相似用户所构成的集合；

根据相关用户集中各用户对商品的评分以及相关用户集中各用户的权重，预测目标用户对所述商品的评分；

根据预测得到的目标用户对所述商品的评分，确定是否向所述目标用户推送所述商品。

2.根据权利要求1所述的融合信任用户隐语义LR模型的信息推送方法，其特征在于，所述根据目标用户的信任用户列表以及所述电商系统的所有用户，确定与所述目标用户不存在信任关系的用户，具体包括：

确定所述目标用户的初始非信任用户，所述初始非信任用户由所述电商系统中的所有用户除去所述目标用户的信任用户得到；

从所述初始非信任用户中去除关联信任用户，得到与所述目标用户不存在信任关系的用户，所述关联信任用户为与所述目标用户具有相同的信任用户的初始非信任用户。

3.根据权利要求1所述的融合信任用户隐语义LR模型的信息推送方法，其特征在于，所述根据各用户对商品的评分，确定所述目标用户的相似用户，具体包括：

根据计算用户与所述目标用户的相似度sim(x,y)，其中，分别代表的是用户x、y的平均评分，r_x,i、r_y,i分别代表的是用户x、y对商品i的具体评分值，I_xy代表的是共同被用户x、y评分过的商品集合；

将与所述目标用户的相似度不等于零的用户确定为所述目标用户的相似用户。

4.根据权利要求1所述的融合信任用户隐语义LR模型的信息推送方法，其特征在于，所述根据相关用户集中各用户在信任网络中的信任度以及相关用户集中各用户在商品评分系统中的评价水平确定相关用户集中各用户的权重，具体包括：

根据计算相关用户集中用户y在信任网络中的信任度trust(G,y)，其中，Indg(G,y)代表在信任网络中节点y的入度，Indg(G,.)则代表网络中所有节点的入度集合；

根据计算相关用户集中用户y在商品评分系统中的评价水平rat(R,y)，其中，R为用户评分矩阵，r(y)为目标用户y有过评分的商品集，r_yi为目标用户y对商品i的评分，为商品i的平均评分值；

根据计算相关用户集中用户y的权重weight(y)，其中，rating(R,y)归一化处理后的目标用户y的评价水平。

5.根据权利要求1所述的融合信任用户隐语义LR模型的信息推送方法，其特征在于，所述根据相关用户集中各用户对商品的评分以及所述目标用户的权重，预测目标用户对所述商品的评分，具体包括：

根据预测所述目标用户对所述商品的评分其中，weight(y)为相关用户集中用户y的权重，N_x为目标用户x的相关用户集，r_y,i为用户y对商品i的评分，为用户y的平均评分，为用户x的平均评分。