[发明专利]一种基于信任和影响力结合的个性化推荐方法

摘要

本发明公开了一种基于信任和影响力结合的个性化推荐方法，包括以下步骤：步骤1：构建用户‑项目评分矩阵；步骤2：对用户‑项目已评分矩阵进行计算后得到用户初始直接信任度，使用皮尔逊相关系数度量用户相似度，并结合用户交互频率得到用户对项目的偏好度；步骤3：构建用户‑用户信任矩阵；步骤4：通过信任矩阵计算影响力，并按照影响力强度筛选出预设大小的影响力用户结合，构成用户‑用户影响力矩阵；步骤5：构建及训练模型；步骤6:通过训练好的模型预测用户对未知项目的评分，选择较高评分的项目产生推荐集。本发明有效的整合了评分数据及社交网络等多种信息源，提高了推荐的精确度。

主权项

1.一种基于信任和影响力结合的个性化推荐方法，其特征在于，包括以下步骤：步骤1：构建用户‑项目评分矩阵；步骤2：对用户‑项目已评分矩阵进行计算后得到用户初始直接信任度T(u,v)；使用皮尔逊相关系数度量计算用户相似度sim(u,v)，并结合用户交互频率得到用户对项目的偏好度P(u,c)；步骤3：在成功或失败的用户交互中根据用户对项目的偏好度为不同的项目分配不同的权重，得到最终的直接信任度T(u,v)，再利用设置阈值的方式过滤掉信任值小于阈值的方式得出最终的用户‑用户信任矩阵；步骤4：通过信任矩阵计算影响力，并按照影响力强度筛选出预设大小的影响力用户结合，构成用户‑用户影响力矩阵；其中通过信任矩阵计算影响力，并按照影响力强度筛选出预设大小的影响力用户结合，具体为：步骤4.1：计算边的权值w(i,j)：边的权值为节点i和节点j信任的权值，且该权值是有向的，即i→j为T(i,j)，w(i,j)＝T(i,j)；步骤4.2：计算节点的权值w(i)：节点的权值为该节点出度的边的权值之和，即其中，表示用户i的出度集合，即用户i的信任用户集合；步骤4.3：计算相关重要性p(i,j)：计算公式如下：步骤4.4：计算影响力C(i,j)：计算公式如下：其中p(i,j)表示的是用户i对用户j的直接影响力，而p(i,j)p(i,k)表示用户k对用户j的间接影响力；通过设置阈值vc，将大于vc的用户保留作为用户j的影响力用户集合；步骤5：构建及训练模型；步骤6:通过训练好的模型预测用户对未知项目的评分，选择top‑N个评分分的项目集产生最终推荐集。