[发明专利]一种基于深度学习的结合信任和影响力的个性化推荐方法

摘要

本发明公开了一种基于深度学习的结合信任和影响力的个性化推荐方法，具体包括：构建用户‑项目评分矩阵；对数据进行特征提取；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计算用户相似度，并结合用户交互频率得到用户对项目的偏好度；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，并形成用户‑用户信任矩阵；利用信任网络中的拓扑结构信息来挖掘社交网络中影响力较大的用户节点；构建及训练模型；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。本发明使用深度学习得到更精确的特征向量，从而提高了推荐的精确度。

主权项

1.一种基于深度学习的结合信任和影响力的个性化推荐方法，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：对数据进行特征提取；步骤3：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计算用户相似度，并结合用户交互频率得到用户对项目的偏好度；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，并形成用户‑用户信任矩阵；步骤4：利用信任网络中的拓扑结构信息来挖掘社交网络中k个用户节点，使得通过这k个节点产生的影响传播范围最大；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，选择评分高于阈值的的项目产生推荐集。