[发明专利]基于信任-评分时间演变双向效应的个性化商品推荐方法

摘要

本发明公开了一种基于信任‑评分时间演变双向效应的个性化商品推荐方法，引入了用户的主题专业度和时间效应下信任‑评分双向影响，并采用随机游走模型进行商品推荐。本发明引入用户的主题专业度和时间效应下信任‑评分双向影响，大大提高了基于信任的个性化商品推荐的准确度和覆盖率，从而提升用户体验，增强用户黏度。

主权项

1.一种基于活动的社交网络下结合环境数据的活动出席预测方法，其特征在于，包括如下步骤：步骤一、得到用户对商品的历史评分数据和历史信任关系数据；步骤二：确定用户的专业度程度，根据用户的主题专业度平衡用户对于商品评分的确定性和可借鉴性：用户的专业度程度其中，zi表示第i个主题，θu表示用户u的主题分布，T表示主题集；p(zi|θu)表示用户u在主题zi下评分的概率；θu表示用户u；步骤三、根据用户对商品的历史评分数据和历史信任关系数据训练得到信任‑评分时间演变双向模型：其中，Sx，i(t)表示在时间t时用户x对于商品i的评分，Sx，i(t+1)表示在t+1时刻用户x对于商品i的预测评分；Tx，y(t)表示在时间t时用户x对于用户y的信任，y∈Nx(t)，Nx(t)表示在t时间时用户x信任的用户的集合；α1，α2为参数，Sy，i(t)表示时间t时用户y对于商品i的评分；其中，用户对于不同物品的评分时，先进行规范化：Su，i(t)＝Su，i(t)/Su，i(t)max  (2)Su，i(t)表示用户u在时间t对商品i的评分值；Su，i(t)max表示用户u在时间t对商品i的评分的最大值；u表示用户；i表示商品；Tx，y(t+1)＝μ1Tx，y(t)+μ2sim(Sx，I(t)，Sy，I(t))+μ3E(y)  (3)其中，Tx，y(t)表示t时刻用户x对于用户y的信任值，i∈I，I表示所有商品集，Sx，I(t)表示用户x对于商品集I的评分向量，sim(x，y)表示计算用户x与用户y的相似性；E(y)表示用户y的主题专业度；μ1，μ2，μ3为参数，调节用户前一时刻的信任值、其与信任用户评分相似度和信任用户对象的主题专业度三者对于当前时刻信任值的影响权值；步骤四、根据步骤三所得信任‑评分时间演变双向模型更新得到用户间的最新信任值Tx，y(t+1)和用户对商品的最新评分值Sx，i(t+1)；步骤五、利用用户间的信任网络建立随机游走模型，信任‑评分双向效应模型对于用户评分值和信任值进行动态更新，动态更新产生的新数据作为随机游走模型的数据集生成给用户的推荐列表。