[发明专利]一种基于社交信任和标签语义相似度的PMF推荐方法

权利要求书

1.一种基于社交信任和标签语义相似度的PMF推荐方法，其特征在于，包括以下步骤：

步骤1，初始化用户潜在特征矩阵和项目潜在特征矩阵；

步骤2，建立社交网络信任关系，计算用户之间的信任值，确定每个用户的可信用户集；用户之间的信任值利用用户朋友关系、用户偏好相似度和行为相似度来计算，计算方法如下：

T_ip＝αTF_ip+βW_ip+γTagS_ip

式中，T_ip为信任值，TF_ip为用户朋友关系，W_ip为用户偏好相似度，TagS_ip为行为相似度，α,β,γ∈[0,1]，α+β+γ＝1；

其中，用户u_i之间的朋友关系计算方法如下：

其中，N⁺(u_i)和N⁺(u_p)分别代表用户u_i和u_p的好友集合；

使用Jaccard系数来计算用户之间的偏好相似度，计算方法如下：

其中，N(u_i)、N(u_p)分别代表用户u_i和u_p交互过的项目集合；

用户之间的行为相似度，通过标注的公共的标签来计算，计算方法如下：

其中，|I_ip|代表用户u_i和u_p标注相同的标签个数，|I_i|代表用户u_i标注的标签个数，|I_p|代表用户u_p标注的标签个数；

步骤3，计算项目之间相似度，确定每个项目的可信项目集；项目之间相似度的计算方式如下：

步骤3.1，根据项目的社会化资源描述框架：

项目A：{标签1，标签2，标签3，…，标签m}

项目B：{标签1，标签2，标签3，…，标签n}

其中，标签为用户所标记的有效标签；

步骤3.2，利用语义相似度模型Sentence-BERT，计算标签之间的语义相似度sim[i][j]：

sim[i][j]＝SBERT(item_A[i],item_B[j])

其中，item_A[i]代表用户给项目A标注的标签i，item_B[i]代表用户给项目B标注的标签j，SBERT表示语义相似度模型；

步骤3.3，计算项目框架中每个标签的权重ω：

其中，num代表标签在物品的社会化资源框架中的用户标记次数，total表示用户标注项目所有标签的次数；

步骤3.4，选择最大的语义相似度标签对，每个标签只使用一次；如果mn，依次选出项目B的标签和项目A中所有标签进行匹配，选出最大的数值；否则，依次根据项目A的标签与项目B中所有标签进行匹配；最终，选择出min(m,n)对标签；

步骤3.5，根据选择的标签对计算项目之间的相似度sim(item_A,item_B)：

其中，ω_i和ω_j分别代表标签i和j在项目A和B的社会化资源框架中的比重；

步骤4，迭代执行步骤4.1-4.4，得到最终的用户潜在特征矩阵、项目潜在特征矩阵以及损失函数值；

步骤4.1，根据信任值和可信用户集，构建用户潜在特征矩阵；

步骤4.2，根据相似度和相似项目集合，构建项目潜在特征矩阵；

步骤4.3，计算本次迭代对应的损失函数值，并更新用户潜在特征矩阵和项目潜在特征矩阵；

步骤4.4，当测试均方根误差连续3次不再下降，或迭代次数达到100，则停止迭代；

步骤5，根据步骤4得到的最终的用户潜在特征矩阵、项目潜在特征矩阵计算用户-项目评分预测矩阵，根据用户-项目评分预测矩阵向用户推荐项目。