[发明专利]一种面向群组的服务推荐列表生成方法

权利要求书

1.一种面向群组的服务推荐列表生成方法，其特征在于，包括如下步骤：

(1)根据目标群组G内用户的关系，构建用户关系有向图Grap_G；所述用户关系有向图Grap_G中的节点为群组内的用户；两个用户之间有消息发送则所述两个用户对应的节点之间存在路径，所述路径方向为所述两个用户之间消息的发送方向；

每个用户具有对群组G的信任权值，设用户u_i的信任权值为

(2)遍历群组G内的所有用户，计算每个用户与其他用户的不相关度，选取不相关度最大的p个用户作为质心用户k_l，l＝1,2,…,p；所述用户u_i的不相关度计算为：

其中，

为用户关系有向图Grap_G中用户u_i,u_j之间的路径实例数量；为用户关系有向图Grap_G中从用户u_j出发再回到u_j的路径实例数量；

(3)根据p个质心用户，将群组G划分为p个子组，每个子组中包含一个质心用户；G＝{SubG₁,SubG₂,…,SubG_l,…,SubG_p}，SubG_l为第l个子组，包含质心用户k_l；对每个子组建立分层分组模型，将所述子组划分为多个小组；

(4)待推荐服务集为：Item＝{item₁,item₂,…,item_m}；采集每个小组对待推荐服务集中每个服务的兴趣指数；在每个子组中构建推荐服务集评级矩阵，第l个子组的评级矩阵为：

其中w_l为第l个子组中小组的数量，m为待推荐服务的总数，R_ab为第l个子组中的第a个小组m_a对第b个待推荐服务item_b的推荐评级，a＝1,…,w_l，b＝1,…,m；

第a个小组m_a的信任权值为m_a内所有用户的信任权值之和；r_ab为小组m_a对服务item_b的兴趣指数；

(5)根据每个子组的评级矩阵，计算每个子组对待推荐服务集的推荐权重，包括步骤501-503：

(501)计算每个子组SubG_l与待推荐服务集Item的相关性S(Item,SubG_l)：

其中为r_ab,r_cd的余弦相似度；a,c＝1,2,…,w_l；b,d＝1,2,…,m；λ为调整时间参数，取值λ1；t_b为Item中第b个服务item_b在子组SubG_l内的热度持续时间；

(502)计算子组SubG_l与群组G之间的相关性C_l，包括步骤：

获取子组SubG_l内用户u_i的在子组内的活跃指数Act_ui，计算每个子组的群组影响力因子，第l个子组的群组影响力因子Inf_l为：

其中是子组SubG_l内用户u_i的用户信任权重，参数φ的取值为2；

计算每个子组与群组G之间的相关性，第l个子组与群组G之间的相关性C_l为：

其中i＝1,2,…,l,…,p，表示子组个数，R_ab表示第a个小组m_a对推荐项目item_b的推荐评级；

(503)计算每个子组对待推荐服务集的推荐权重，SubG_l对服务集Item的推荐权重g(Item,SubG_l)的计算式为：

α为影响度参数，取值范围是[0,1]；

(6)计算每个待推荐服务的聚合指数，根据聚合指数的升序排列，得到服务推荐列表List_R，具体包括如下步骤：

(6.1)计算每一个服务的聚合指数，其中第b个服务item_b的聚合指数D(item_b)的计算步骤如下：

计算对服务item_b评级最大的子组即当l＝L_b时，p取最大值；

计算D(item_b)：

其中w_Lb为子组中小组的数量，β_b为协同参数，β₁+β₂+…+β_p＝1；

(6.2)对待推荐服务集Item中的服务按照聚合指数升序排序，截取排序后的前Ψ个服务组成推荐列表List_R，List_R＝{item_A,item_B,…,item_Ψ}；

D(item_A)≤D(item_B)≤…≤D(item_Ψ)，List_R∈Item，Ψ≤m。