基于社会上下文的协同推荐方法

文档序号:6559425阅读:549来源:国知局
专利名称:基于社会上下文的协同推荐方法
技术领域
本发明涉及个性化推荐领域,尤其涉及一种基于社会化关系的协同推荐方法。
背景技术
近年来互联网飞速发展造成互联网上信息总量快速增加,同时电子商务也在不断地扩大。网上数据量的巨大导致用户需要花费大量时间去寻找自己喜欢的物品,这种排除大量无用信息的过程无疑会阻碍用户享受互联网带来的便利。为了解决这些问题,个性化推荐系统应用而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级智能平台, 它主要是根据用户的兴趣特点和其它信息,向用户推荐其感兴趣的信息和商品,以帮助用户提供完全个性化的决策支持和信息服务。个性化推荐不仅在推动经济发展和网络发展上有重要的作用和价值,同时如何提高推荐的效率和准确度也是一个值得研究的热点问题。^|1](Co 11 aborative Filtering Recommendation Algorithm) ^ 个性化推荐系统中最常用而且有效的一种推荐算法。与传统的基于内容得推荐不同,协同过滤算法分析用户的兴趣,在用户群中找到指定用户的相似用户,并且综合这些相似用户对某一物品的评价,最后形成该指定用户对此物品的喜好程度的预测。虽然有着广泛的应用,协同过滤推荐仍难克服数据稀疏性和信息来源单一造成的问题,既由于用户物品矩阵的稀疏导致用户相似性计算不准确,从而影响到推荐的准确性,以及仅采用单一的用户物品评分矩阵进行挖掘推荐,无法克服单独评分矩阵信息量不足带来的问题,从而影响推荐结果。针对协同过滤推荐算法的问题,我们引入了社会关系信息来结合用户物品信息进行推荐。同时为了解决数据稀疏性问题,我们采用低秩矩阵分解的方法来进行推荐,通过把社会上下文约束融入低秩矩阵分解中对物品评分进行预测,从而达到推荐的目的。

发明内容
本发明的目的是克服现有推荐技术的不足,提供一种基于社会上下文约束的协同推荐方法(Collaborative Recommendation by Social Context Regularization, CRSCR) ο基于社会上下文约束的协同推荐方法包括如下步骤
1)首先提取用户物品矩阵,以及社会化关系矩阵,在协同推荐中使用用户对物品的评分矩阵,或使用用户对物品点击次数或者访问关系来定义用户物品矩阵;社会化关系为系统中用户通过某些行为与其它用户之间发生的好友关系、处于相同兴趣爱好小组关系、信任关系;
2)使用带有社会上下文约束的低秩矩阵分解法来对用户物品矩阵进行填充,并使用结果矩阵为每个用户推荐N个物品;
3)考虑到不同用户之间存在的差异性,对矩阵分解中社会上下文约束权重进行调整。所述的步骤1)为2. 1)选取用户对物品的评分矩阵作为用户物品矩阵/ ,推荐系统中用户对物品评分范围通常为0到5,在系统没有提供评分机制时,使用归一化的用户对物品点击率矩阵或者关系矩阵作为用户物品矩阵W;
2.2)提取用户之间的社会化关系矩阵仏社会化关系为系统中用户通过某些行为与其它用户之间发生的好友关系、处于相同兴趣爱好小组关系、 信任关系关系,使用每一行每一列值为0或1的矩阵来描述社会化关系,即
Gt. = 1表示用户i和用户J存在关系,反之Gf = O表示用户i和用户J之间不存在关系。 所述的步骤2)为
3.1)对用户物品矩阵■进行低秩矩阵分解过程为计算矩阵LJei^和矩阵 Fe if",且使得"和K满足条件JUrV,其中 为用户的数量,η为物品的数量,并且 I <Hiin(^rt),通过最小化以下式子来近似计算i/和K ;
权利要求
1.一种基于社会上下文约束的协同推荐方法,其特征在于包括如下步骤1)首先提取用户物品矩阵,以及社会化关系矩阵,在协同推荐中使用用户对物品的评分矩阵,或使用用户对物品点击次数或者访问关系来定义用户物品矩阵;社会化关系为系统中用户通过某些行为与其它用户之间发生的好友关系、处于相同兴趣爱好小组关系、信任关系;2)使用带有社会上下文约束的低秩矩阵分解法来对用户物品矩阵进行填充,并使用结果矩阵为每个用户推荐N个物品;3)考虑到不同用户之间存在的差异性,对矩阵分解中社会上下文约束权重进行调整。
2.根据权利要求1所述的一种基于社会上下文约束的协同推荐方法,其特征在于所述的步骤1)为2. 1)选取用户对物品的评分矩阵作为用户物品矩阵/ ,推荐系统中用户对物品评分范围通常为0到5,在系统没有提供评分机制时,使用归一化的用户对物品点击率矩阵或者关系矩阵作为用户物品矩阵W;2.2)提取用户之间的社会化关系矩阵仏社会化关系为系统中用户通过某些行为与其它用户之间发生的好友关系、处于相同兴趣爱好小组关系、 信任关系关系,使用每一行每一列值为0或1的矩阵来描述社会化关系,即= 1表示用户i和用户J存在关系,反之= O表示用户i和用户J之间不存在关系。
3.根据权利要求1所述的一种基于社会上下文约束的协同推荐方法,其特征在于所述的步骤2)为3.1)对用户物品矩阵进行低秩矩阵分解过程为计算矩阵LJeif和矩阵 Fe Jf",且使得"和K满足条件i 枯UrV,其中 为用户的数量,η为物品的数量,并且 I <min( p),通过最小化以下式子来近似计算u和v ;
4.根据权利要求1所述的一种基于社会上下文约束的协同推荐方法,其特征在于所述的步骤幻为在社会上下文约束最小化关系式中使用用户相似性矩阵^对用户权重进行调整,表示如下
全文摘要
本发明公开了一种基于社会上下文约束的协同推荐方法。包括如下步骤1)首先提取用户物品矩阵,以及社会化关系矩阵。在协同推荐中使用用户对物品的评分矩阵,或使用用户对物品点击次数或者访问关系来定义用户物品矩阵;社会化关系为系统中用户通过某些行为与其它用户之间发生的关系;2)使用带有社会上下文约束的低秩矩阵分解法来对用户物品矩阵进行填充,并使用结果矩阵为每个用户推荐N个物品;3)考虑到不同用户之间存在的差异性,对矩阵分解中社会上下文约束权重进行调整。本发明克服了传统协同过滤推荐算法的推荐信息单一以及用户物品矩阵稀释性导致的推荐结果不准确的问题,并且在推荐结果准确性上比传统的方法有明显的提高。
文档编号G06F17/30GK102231166SQ20111019410
公开日2011年11月2日 申请日期2011年7月12日 优先权日2011年7月12日
发明者吴飞, 张寅 , 蔡瑞瑜, 邵健 申请人:浙江大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1