[发明专利]一种基于Trust-Walker的信任推荐模型

说明书

本发明公开了一种基于Trust‑Walker的信任推荐模型，包括如下步骤：步骤一、确定用户之间的信任关系；步骤二、根据共同信任用户数量对用户之间的信任关系进行修正；步骤三、在用户间基于信任关系进行随机游走获得用户的信任关系和项目评分；步骤四、根据项目之间的相似度对待推荐项目进行评分预测；步骤五、根据修正后的信任度得到修正后的待推荐项目的预测评分。本发明具有缓解用户信任关系的数据稀疏性，使推荐模型的可扩展性和计算效率得到提高。

技术领域

本发明涉及信息安全技术领域，更具体的是，本发明涉及一种基于Trust-Walker的信任推荐模型。

背景技术

基于Trust-Walker的信任推荐模型为用户快速准确推荐合适资源提供了便捷可靠的实现方案，为了缓解传统推荐系统所面临的数据稀疏性和冷启动问题，充分利用信任关系构建基于Trust-Walker的信任推荐模型，推荐精度提高的同时，也带来了海量数据下推荐系统可扩展性困难和计算效率低的问题。如何缓解数据稀疏性，冷启动和提高推荐精度，同时又提高可扩展性和计算效率，是当前研究面临的主要难点。

现有方法大多基于信任关系对传统协同过滤推荐进行相应的改进优化，但却忽视了基于信任的推荐研究还有很多不足，相关的研究还处于初始阶段，另外由于大数据背景下随着海量数据的出现和数据爆炸性的增长，导致给现有推荐模式带来了极大困难，推荐可扩展性和计算效率下降，为此，提出了在大数据处理平台上进行并行化处理方法。

发明内容

本发明的目的是设计开发了一种基于Trust-Walker的信任推荐模型，基于Trust-Walker充分利用信任关系构建信任推荐模型，并对信任模型的信任度进行修正，缓解用户信任关系的数据稀疏性；在Hadoop集群上进行并行化实验，在海量数据得以存储的基础上，通过实现MapReduce框架下的分布式计算，使推荐模型的可扩展性和计算效率得到提高。

本发明提供的技术方案为：

一种基于Trust-Walker的信任推荐模型，包括如下步骤：

步骤一、确定用户之间的信任关系；

步骤二、根据共同信任用户数量对用户之间的信任关系进行修正；

步骤三、在用户间基于信任关系进行随机游走获得用户的信任关系和项目评分；

步骤四、根据项目之间的相似度对待推荐项目进行评分预测；

步骤五、根据修正后的信任度得到修正后的待推荐项目的预测评分。

优选的是，所述信任关系通过用户之间的间接信任度获得，所述用户之间的间接信任度满足：

式中，t_u,v表示用户之间的间接信任度，p表示u用户与v用户之间的可以到达的路径，n表示用户之间可以到达的路径数目。

优选的是，当所述u用户与v用户之间的可以到达的路径为单路径p＝(u,a,bL n,v)时，所述用户之间的间接信任度满足：

t₁(u,v)＝w·t_u,a·t_a,bL t_n,v；

式中，w表示信任衰减因子，t_u,a，t_a,b，L t_n,v表示用户之间的直接信任度，n≤6。

优选的是，所述信任衰减因子满足：

式中，p_max表示信任传递的最大步长，p_u,v表示在信任关系网络中两个用户之间的信任传递路线的长度，n≤6。