的权威信任度，结果如表9所 示：
[0073] 表9所有非新用户的权威信任度
[0074]
[0075] 步骤2:对各类别项目集Ig(l < g < c)，为新用户叫确定该类别下的K-最可信权威邻 居集Uauth(Ig，K)。设U ab_(Ig)表示对于类别项目集Ig，其权威信任度超过该类别平均权威信 任度的用户集合，则U auth(Ia，K)满足如下条件：
[0076] 0-
[0077] (I
[0078] (E
[0079] 步骤3:对待推荐项目集合Ire。中每个项目，计算它对于用户的预测评分。 V心e Ire。，假定项目ity属于类别项目集合Ig(即ity e Ig)，则项目…对叫的预测评分计算方 法见公式11，它基于传统协同过滤推荐的预测评分计算方法，公式右边第一项是类别1 8中 的权威用户对于项目ity的平均评分，右边第二项是由类别18中权威用户的权威信任度计算 而得的偏移倌。通过计筧，可以得到11?」个预测评分。
[0080]
(公式 11)。
[0081] 在具体实施例中，通过公式11计算得到对应当前用户u1Q的8个待推荐项目的预测 评分，如表10所示：
[0082]表10所有待推荐项目对应新用户m〇的预测评分 Γ00831
Luue4」 〈4)恨做视测评甘的共棒惟存过程。对t符惟存视日果甘irec，旭过趣t炅甘惟存 因子的协同过滤推荐计算过程(2)或基于权威信任度的新用户推荐计算过程(3)，总共得到 Ire。|个预测评分。接着，将这I Ire。|个预测评分进行从大到小降序排列。然后，按照实际应 用的需求，取预测评分排在最前面的top(l Stop <m)个项目向当前用户^进行推荐。在具 体实施例中，若当前用户W为m，他是系统的非新用户，向他推荐3个项目（top = 3)，则推荐 ^6、：^4和^7;若当前用户11」为111()，他是系统的新用户，向他推荐3个项目，则推荐11：1、；^6和 i ?5 〇
【主权项】
1. 一种基于信任机制的协同过滤推荐方法，其特征在于，根据当前用户是否为系统的 新用户，即冷启动用户，而分别实施基于信任机制的两种具体推荐计算过程，针对非冷启动 用户的基于复合推荐因子的协同过滤推荐计算过程，和针对冷启动用户的基于权威信任度 的新用户推荐计算过程，获得待推荐项目的预测评分，最后根据预测评分实施具体的推荐。2. 根据权利要求1所述的基于信任机制的协同过滤推荐方法，其特征在于，所述基于复 合推荐因子的协同过滤推荐计算主要包括5个步骤:步骤1，一阶信任度的计算;步骤2,二阶 信任度的计算;步骤3，综合信任度的计算;步骤4，复合推荐因子的计算;步骤5，基于复合推 荐因子的预测评分计算。3. 根据权利要求1所述的基于信任机制的协同过滤推荐方法，其特征在于，所述基于权 威信任度的新用户推荐计算主要包括3个步骤:步骤1，权威信任度的计算;步骤2，K-最可信 权威邻居集的选取;步骤3，基于权威信任度的预测评分计算。4. 根据权利要求1所述的基于信任机制的协同过滤推荐方法，其特征在于，所述根据预 测评分的具体推荐方法为:将待推荐项目集合中所有项目的预测评分进行从大到小降序排 列，然后按照实际应用的需求，取预测评分排在最前面的项目向当前用户进行推荐。5. 根据权利要求1或2所述的基于信任机制的协同过滤推荐方法，其特征在于，所述基 于复合推荐因子的协同过滤推荐计算具体如下:假定系统中共有n个非新用户和m个项目， 构成非新用户集合11={山,112，。'，化}和项目集合1 = {：[1：1,；[12，。'，：[1：111}，令1(11〇表示用户111 进行过评分的项目集合，假定待推荐项目集合为Ire。，满足Ige G I ; 步骤1:令RN(Ui，Uj)为用户Ui向用户Uj推荐的总次数，；表示Ul向Uj关于项目ity的 推荐预测评分；鸣)为^对项目ity的实际评分;采用公式1计算在向11^故过推荐的用户中， Ui的推荐数量比a(Uj，Ui);采用公式2计算P(Ui，Uj，ity)，它表示Ui向Uj在某条项目itx上的推 荐正确与否，若正确则取值1，若错误则取值0,其中threshold是设定的阀值；而MUi，Uj， ity)表示推荐错误的情况，取值与P(m，化ity)相反，即Ui向U巧项目itx上的推荐正确则取 值0,若错误则取值1;采用公式3计算用户Uj对用户Ui的一阶信任度FT(Uj,Ui):步骤2:采用公式4计算用户Uj与用户Ui之间具有直接信任传递关系的用户的集合Utrans (Uj，Ui)，其中i辛j辛d: '了0)八（)"声 0) A (",/ e U)}(公式4); 采用公式5计算用户U苗4用户Ui的二阶信任度ST(Uj，m):步骤3:采用公式6计算前用户Uj对系统用户集合U中所有其他用户m(l < i <n，i辛j)的 综合信任度CT(Uj，m):步骤4:采用公式7计算复合推荐因子CF(Uj，m):其中A为复合系数，而SimUj，ui)是用户Uj和Ui之间的相似度，采用公式8所示的修正余 弦相似度进行计算：其中^为项目ity的平均得分； 步骤5: 令Ureiy(化K)表示按照复合推荐因子降序排列而得到的用户U说前K 个邻居用户的集合:Urank(ity)表示对项目ity有过评分行为的所有用户的集合；表示用 户Ux所有评分的均分;采用公式9计算ity对应于当前用户Uj的预测评分6.根据权利要求1或3所述的基于信任机制的协同过滤推荐方法，其特征在于，所述基 于权威信任度的新用户推荐计算方法具体如下:假定项目集合I中的项目共分为C类，分别 为类别项目集合II、12、…、I。，则Ul, 12,…，U构成集合I的一个划分，令U(Ig)表示对类别 项目集合Ig中的项目进行过评分的所有用户的集合； 步骤1:采用公式10计算用户集合U中每一个用户m(l < i <n)对于各类别项目集Ig(l < g<c)的权威信任度AT(Ig，Ui):步骤2:为新用户Uj确定各类别项目集Ig(l含g含C)的K-最可信权威邻居集Uauth(Ig，K)， 其中UabDVe(Ig)表示对于类别项目集Ig，其权威信任度超过该类别平均权威信任度的用户集 合，则Uauth( Ig，K)满足如下条件：步骤3: V //, e K。，假定项目ity属于类别项目集合Ig(即ity e Ig)，采用公式11计算项目 ity对U撕预测评分：7.根据权利要求1所述的基于信任机制的协同过滤推荐方法，其特征在于，对于待推荐 项目集合^6。，总共得到I Ire。I个预测评分;将运I Ire。I个预测评分进行从大到小降序排列， 按照实际应用的需求，取预测评分排在最前面的t〇p(l ^ top ^m)个项目向当前用户Uj进行 推荐。
【专利摘要】本发明公开了一种基于信任机制的协同过滤推荐方法，从协同过滤推荐方法的社会化本质入手，在传统协同过滤推荐方法中引入信任机制，反映现实生活中人与人之间信任关系对相似用户兴趣的影响。根据当前用户是否为系统的新用户（即冷启动用户），而分别进行针对非冷启动用户的基于复合推荐因子的协同过滤推荐计算过程，和针对冷启动用户的基于权威信任度的新用户推荐计算过程，获得待推荐项目的预测评分。最后，根据预测评分实施具体的推荐过程。本发明的方法可以缓解传统协同过滤推荐方法中的数据可靠性、冷启动以及数据稀疏性等问题。
【IPC分类】G06F17/30
【公开号】CN105653640
【申请号】
【发明人】刘同舟, 杨鹏, 曹辉, 朱永成, 吴博炜, 徐云龙
【申请人】江苏东大金智信息系统有限公司
【公开日】2016年6月8日
【申请日】2015年12月25日