CN109033293A - 个性化推荐方法、计算用户间信任值的方法及装置 - Google Patents

Abstract

本发明提供个性化推荐方法、计算用户间信任值的方法及装置，所述个性化推荐方法包括：获取在先用户对项目的评分值；获取预先计算的新用户对所述在先用户的信任值；根据所述信任值和所述评分值预测所述新用户对与所述项目相关的项目的评分值；根据所述评分值生成与所述项目相关的项目的推荐列表。所述推荐方法基于用户间的信任值，合理利用已有的评分数据，使个性化推荐的准确度更高，更加人性化。

Description

个性化推荐方法、计算用户间信任值的方法及装置

技术领域

本发明涉及计算机技术领域，具体而言，涉及个性化推荐方法、计算用户间信任值方法及装置。

背景技术

随着互联网和电子商务发展，个性化推荐运用于各式各样的平台或环境下，它以海量数据挖掘为基础，可以为顾客提供个性化的信息服务和决策支持。

随着个性化推荐的发展，越来越多的个性化推荐方法也随之出现，个性化推荐方法中对于数据的处理方式很重要，因此需要选择合适的数据处理和挖掘方式，以得到比较准确的个性化推荐结果。

发明内容

为了克服上述现有技术中的不足，本发明提供个性化推荐方法、计算用户间信任值的方法及装置。

为了实现上述目的，本发明实施例所提供的技术方案如下所示：

第一方面，本发明实施例提供一种个性化推荐方法，包括：获取在先用户对项目的评分值；获取预先计算的新用户对所述在先用户的信任值；根据所述信任值和所述评分值预测所述新用户对与所述项目相关的项目的评分值；根据所述评分值生成与所述项目相关的项目的推荐列表。

所述个性化推荐方法是通过所述信任值预测的新用户对所述项目相关的项目的评分值，而所述信任值是基于已有的用户评分数据和用户的信任机制计算的，通过用户的信任机制和对用户评分数据的综合预测，使个性化推荐的准确度更高，更加人性化。

进一步的，所述获取预先计算的新用户与在先用户之间的信任值，包括：

获取所述在先用户对所述项目的真实评分值，获取所述新用户对所述项目的真实评分值；根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的信任值；根据所述信任值和所述评分值预测所述新用户对与所述项目相关的项目的评分值，包括：根据所述信任值和所述评分值预测所述新用户对与所述项目相关的新项目的评分值。

进一步的，所述根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的信任值，包括:

根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值；根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户与所述在先用户之间的相似度；根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值；根据所述相似度和所述中间信任值计算所述新用户对所述在先用户的最终信任值。

进一步的，所述根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值，包括：

根据所述新用户所有评分项目的集合、所述新用户所有评分项目的数量、所述新用户对项目的真实评分值、以及所述在先用户对所述项目的真实评分值计算所述新用户对所述在先用户的初始信任值。

进一步的，所述根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户与所述在先用户之间的相似度，包括：

根据所述新用户对项目的真实评分值、所述在先用户对所述项目的真实评分值、所述新用户对所有项目的评分平均值、所述在先用户对所有项目的评分平均值计算所述新用户与所述在先用户之间的相似度。

进一步的，所述根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值，包括：

根据信任的传递性和所述初始信任值大于信任值阈值的所述在先用户集合计算所述新用户对所述在先用户的中间信任值。

进一步的，所述根据所述信任值和所述评分值预测新用户对与所述项目相关的项目的评分值，包括：

根据所述评分值得到所述在先用户的隐藏特征值、所述项目的隐藏特征值，所述在先用户的隐藏特征值可以表征所述在先用户的喜好特征，所述项目的隐藏特征值可以表征所述项目的特征；根据所述信任值、所述在先用户的隐藏特征值、所述项目的隐藏特征值预测新用户对与所述项目相关的项目的评分值。

第二方面，本发明实施例还提供一种计算用户间信任值的方法，包括：

获取在先用户和新用户对项目的真实评分值；根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值；根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户与所述在先用户之间的相似度；根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值；根据所述相似度和所述中间信任值计算所述新用户对所述在先用户的最终信任值。

通过所述计算用户间信任值的方法，所述方法引用了用户信任传播机制，并且基于已有的用户评分数据，所计算的所述信任值能够很好的预测新用户对项目的评分值。

第三方面，本发明实施例还提供一种个性化推荐装置，包括：

获取模块：用于获取在先用户对项目的评分值和预先计算的新用户对所述在先用户的信任值；处理模块：用于根据所述信任值和所述评分值预测所述新用户对与所述项目相关的项目的评分值；所述处理模块还用于根据所述评分值生成与所述项目相关的项目的推荐列表。

第四方面，本发明实施例还提供一种计算用户间信任值的装置，包括：

获取模块：用于获取在先用户和新用户对项目的真实评分值；计算模块：用于根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值；所述计算模块还用于根据所述在先用户的真实评分值和所述新用户的真实评分值计算新用户与在先用户之间的相似度；所述计算模块还用于根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值；所述计算模块还用于根据所述相似度和所述中间信任值计算所述新用户对所述在先用户的最终信任值。

为使本发明的上述目的、特征和优点能更明显易懂，下文举本发明实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的计算用户间信任值的方法流程图；

图2为本发明实施例提供的个性化推荐方法流程图；

图3为本发明实施例提供的计算用户间信任值的装置示意图；

图4为本发明实施例提供的个性化推荐装置示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参照图1，是本发明实施例提供的计算用户间信任值的方法，通过所述方法，可以计算用户之间的信任值，并基于该信任值预测用户对项目的评分，所述预测用户对项目的评分指的是预测一个新用户对一个新项目或者已有项目的评分，给所述新用户给出新项目或者已有项目的个性化推荐。所述方法包括：

步骤100：获取在先用户和新用户对项目的真实评分值。

其中，所述真实评分值表征所述在先用户和所述新用户对项目的评分值，所述真实评分值是所述在先用户和所述新用户真实打分而得出的。

需要注意的是，所述在先用户的条件是所述在先用户已有对需要给所述新用户提供个性化推荐的项目的评分，以根据所述在先用户与所述新用户的信任值进行个性化推荐。所述在先用户的数量可以选取多个，以从多个所述在先用户中得到与所述新用户信任值匹配的所述在先用户，提高推荐的准确度。

所述项目和所述真实评分值可以是多个项目对应的所述真实评分值的集合，以得到所述在先用户对项目的真实评分值和所述新用户对所述项目的真实评分值。

可选的，在获取在先用户和新用户对项目的真实评分值后，根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的信任值。

所述信任值的计算方式可以有多种实现方式，为了得到精度较高的信任值，本发明实施例采用其中一种可能的实现方式对所述计算信任值的步骤作进一步的描述：

步骤101：计算所述新用户对所述在先用户的初始信任值。

一种可能的实现方式为：可以通过公式计算，其中，假设有在先用户d，新用户c，M_cd表示所述新用户c对所述在先用户d的信任值，R_c表示所述新用户c所有真实评分项目的集合，|R_c|是所述新用户c所有真实评分项目的数量，r_ci是所述新用户c对某个所述真实评分项目i的真实评分值，r_di是所述在先用户d对所述项目i的真实评分值。此外，所述公式以所述真实评分项目的评分最大值以5为例，若某个真实评分项目的评分最大值改变，则所述公式中的5也对应改变。

需要注意的是，所述步骤101中需要计算所述新用户对多个所述在先用户的初始信任值。举例来说，在所述新用户c所有真实评分项目的集合中，对所述真实评分项目评分的所述在先用户可能有在先用户1,2,3或者更多，那么需要分别计算所述新用户c对所述在先用户1，所述在先用户2和所述在先用户3的初始信任值。

步骤102：计算所述新用户与所述在先用户之间的相似度。

所述步骤102与所述步骤101可以不分先后顺序，都是基于所述在先用户对项目的真实评分值和所述新用户对项目的真实评分值计算的，不相互影响。

计算所述相似度一种可能的实现方式为：可以通过公式

计算，其中，similarity(c,d)是所述新用户c和所述在先用户d之间的相似度，r_d,i是所述在先用户d对所述项目i的所述真实评分值，r_c,i是所述新用户c对所述项目i的所述真实评分值，I_c,d是所述新用户c和所述在先用户d共同评分的项目，是所述新用户c对所有项目的真实评分值的平均值，是所述在先用户d对所有项目的真实评分值的平均值。

通过所述相似度，可以判断所述新用户与所述在先用户的相似性，从而对所述信任值作进一步的计算。

步骤103：计算所述新用户对所述在先用户的中间信任值。

所述中间信任值是根据所述初始信任值利用信任传播机制而计算的，所述信任传播机制表征用户之间的信任是可以传递的，上述已假如有所述新用户c，所述在先用户d，再假设有所述在先用户e，若所述新用户信任所述在先用户d，所述在先用户d信任所述在先用户e，那么所述新用户也是信任所述在先用户e的。

根据所述信任传播机制，一种可能的实现方式为：可以通过公式计算，其中，E^M表示根据所述初始信任值得到的在所述新用户c与所述在先用户d之间的最短路径上，所述初始信任值大于初始信任值阈值的用户集合；所述最短路径是指所述新用户c和所述在先用户d之间的所述在先用户的数量尽可能小的一个范围内，因为在用户信任的传递过程中，如果经过的中间传递对象越多，那么最后得到的传递后的信任对象在一定程度上或许已经不符合信任的条件，所以要在所述最短路径上；所述初始信任值阈值可以根据实际情况设定，例如可以根据所述在先用户的数量和所述真实评分值的数据量大小设定；m_c,d是所述新用户c和所述在先用户d之间的中间信任值，m_c,e是所述新用户c和所述在先用户e之间的中间信任值，m_e,d是所述在先用户d和所述在先用户e之间的中间信任值。

步骤104：计算所述新用户对所述在先用户的最终信任值。

所述最终信任值可以根据所述中间信任值和所述相似度计算，一种可能的实现方式为：可以通过公式计算，M_c'_,d表示所述新用户c与所述在先用户d之间的最终信任值。

基于已有的评分数据，并且通过所述评分数据计算出所述中间信任值和所述相似度，最后得到所述最终信任值，使所述最终信任值的准确度和精确度较高。所述最终信任值可以作为所述新用户与所述在先用户的信任值，从而预测所述新用户对项目的评分。

请参照图2，为本发明实施例提供的个性化推荐方法流程图，所述个性化推荐方法可以基于上述所述的计算用户间信任值的方法，预测所述新用户对项目的评分，所述方法包括：

步骤200：获取在先用户对项目的评分值。

在具体的应用过程中，当需要给所述新用户提供个性化推荐时，所述个性化推荐可以基于某个所述在先用户而预测评分，那么需要获取所述在先用户对需要提供个性化推荐项目的评分值，根据所述评分值预测新用户对所述项目的评分值。例如，一个音乐平台需要给某个用户a提供个性化推荐服务，那么就要预测所述用户a对多首音乐的评分，当已有在先用户b对所述多首音乐的评分值，就需要获取在先用户b对所述多首音乐的评分值。

步骤201：获取预先计算的新用户对所述在先用户的信任值。

所述信任值可以为通过上述计算用户间的信任值的方法所得到的，需要注意的是，所述预先计算的可以是在不进行所述个性化推荐时就计算的，这种情况下所述计算用户间信任值是一个单独的过程，不需要和所述个性化推荐的过程联系，当需要所述信任值时，直接获取所述信任值即可；也可以是在得到所述个性化推荐的需求后，再去计算所述用户间的信任值，所述计算信任值的过程与所述个性化推荐的过程是联系或者相关的。

步骤202：预测新用户对与所述项目相关的项目的评分值。

其中，与所述项目相关的项目可以是不同于所述项目的新项目，即所述新用户没有评分过的新项目，所述项目相关的项目也可以是所述项目，因为在获取所述新用户对项目的真实评分值时，所述新用户对所述项目中的某些项目可能也未评分，或者需要变换评分标准来评分，所以所述项目相关的项目包括了所述新用户已评分的项目和所述新用户未评分的新项目。

步骤202的一种可能的实现方式为：可以通过公式计算，其中，表示所述新用户对所述项目i的预测评分值；β是权重参数，表征所述新用户自己对项目的喜好程度参数，通过所述喜好程度参数，可以评判所述在先用户的评分值占所述预测评分值的权重值，所述喜好程度参数越小，所述权重值越大。U表示用户隐藏特征值，所述用户隐藏特征值可以表征所述在先用户的喜好特征，所述用户隐藏特征值可以根据所述在先用户对项目的评分值、所述新用户对项目的真实评分值得到；V是项目隐藏特征值，所述项目隐藏特征值可以表征所述项目的特征值，所述项目隐藏特征值可以通过分析所述项目得到，分析的内容可以是所述项目适用的场景，所述项目适用的对象，例如商场中某个商品适用的人群和所述商品的价格适合的消费人群等；通过所述在先用户隐藏特征值和所述项目隐藏特征值可以使所述预测评分值中包含的影响因素更多，使得预测的评分值更加准确和符合所述新用户的特点。

步骤203：生成与所述项目相关的项目的推荐列表。

生成所述推荐列表的方式可以为：预设一个所述新用户的预测评分阈值，在得到所述预测评分值后，把预测的评分值高于所述评分阈值的项目列在所述推荐列表中推荐给用户。生成所述推荐列表的方式也可以为：得到所述预测评分值后，把所述预测评分值分级，比如若评分区间是1-100分，可以以10分为间隔划分预测评分等级，从而生成等级式的推荐列表，使用户可以查看不同等级的推荐项目，尽可能满足用户对不同项目的需求。

通过所述个性化推荐方法，能够得到更加全面和准确的预测评分值，并生成推荐列表反馈给用户。

请参照图3，位本发明实施例提供的计算用户间信任值的装置300，所述装置包括获取模块310和计算模块320，所述计算用户间信任值的装置300可以用于需要基于用户传播机制的计算用户间信任值的场景。

所述获取模块310:用于获取在先用户和新用户对项目的真实评分值。所述获取模块310分别获取所述在先用户对项目的真实评分值和所述新用户对项目的真实评分值，所述获取模块310可以设置有指令接收端，在接收到获取指令后，从数据库或者用户终端中获取需要的值。

所述计算模块320和所述获取模块310连接，所述获取模块310将获取到的所述在先用户对项目的真实评分值和所述新用户对项目的真实评分值发送给所述计算模块320。

所述计算模块320：用于根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值。

可选的，所述计算模块320还用于根据所述在先用户的真实评分值和所述新用户的真实评分值计算新用户与在先用户之间的相似度。

可选的，所述计算模块320还用于根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值。

可选的，所述计算模块320还用于根据所述相似度和所述中间信任值计算所述新用户对所述在先用户的最终信任值。

通过所述计算用户信任值的装置300，可以得到所述在先用户和所述新用户的信任值，基于所述信任值可以为所述新用户预测项目评分，提高个性化推荐的准确性，并且使个性化推荐更人性化。

请参照图4，为本发明实施例提供的个性化推荐装置400，所述个性化推荐装置400包括获取模块410和处理模块420。

所述获取模块410：用于获取在先用户对项目的评分值和预先计算的新用户对所述在先用户的信任值。

所述处理模块420与所述获取模块410连接，所述获取模块410将获取到的所述评分值和所述信任值发送给所述处理模块420。

所述处理模块420：用于根据所述信任值和所述评分值预测所述新用户对与所述项目相关的项目的评分值；

可选的，所述处理模块420还用于根据所述评分值生成与所述项目相关的项目的推荐列表。

通过所述个性化推荐装置400，由于所述个性化推荐装置400是基于用户间的信任值给用户提供个性化推荐服务的，所以推荐的更准确和更人性化。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，笔记本电脑,服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种个性化推荐方法，其特征在于，包括：

获取在先用户对项目的评分值；

获取预先计算的新用户对所述在先用户的信任值；

根据所述信任值和所述评分值预测所述新用户对与所述项目相关的项目的评分值；

根据所述评分值生成与所述项目相关的项目的推荐列表。

2.根据权利要求1所述的方法，其特征在于，所述获取预先计算的新用户与在先用户之间的信任值，包括：

获取所述在先用户对所述项目的真实评分值，获取所述新用户对所述项目的真实评分值；

根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的信任值；

根据所述信任值和所述评分值预测所述新用户对与所述项目相关的项目的评分值，包括：

根据所述信任值和所述评分值预测所述新用户对与所述项目相关的新项目的评分值。

3.根据权利要求2所述的方法，其特征在于，所述根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的信任值，包括:

根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值；

根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户与所述在先用户之间的相似度；

根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值；

根据所述相似度和所述中间信任值计算所述新用户对所述在先用户的最终信任值。

4.根据权利要求3所述的方法，其特征在于，所述根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值，包括：

根据所述新用户所有评分项目的集合、所述新用户所有评分项目的数量、所述新用户对项目的真实评分值、以及所述在先用户对所述项目的真实评分值计算所述新用户对所述在先用户的初始信任值。

5.根据权利要求3所述的方法，其特征在于，所述根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户与所述在先用户之间的相似度，包括：

根据所述新用户对项目的真实评分值、所述在先用户对所述项目的真实评分值、所述新用户对所有项目的评分平均值、所述在先用户对所有项目的评分平均值计算所述新用户与所述在先用户之间的相似度。

6.根据权利要求3所述的方法，其特征在于，所述根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值，包括：

根据信任的传递性和所述初始信任值大于信任值阈值的所述在先用户集合计算所述新用户对所述在先用户的中间信任值。

7.根据权利要求1所述的方法，其特征在于，所述根据所述信任值和所述评分值预测新用户对与所述项目相关的项目的评分值，包括：

根据所述评分值得到所述在先用户的隐藏特征值、所述项目的隐藏特征值，所述在先用户的隐藏特征值可以表征所述在先用户的喜好特征，所述项目的隐藏特征值可以表征所述项目的特征；

根据所述信任值、所述在先用户的隐藏特征值、所述项目的隐藏特征值预测新用户对与所述项目相关的项目的评分值。

8.一种计算用户间信任值的方法，其特征在于，包括：

获取在先用户和新用户对项目的真实评分值；

根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值；

根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户与所述在先用户之间的相似度；

根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值；

根据所述相似度和所述中间信任值计算所述新用户对所述在先用户的最终信任值。

9.一种个性化推荐装置，其特征在于，包括：

获取模块：用于获取在先用户对项目的评分值和预先计算的新用户对所述在先用户的信任值；

处理模块：用于根据所述信任值和所述评分值预测所述新用户对与所述项目相关的项目的评分值；

所述处理模块还用于根据所述评分值生成与所述项目相关的项目的推荐列表。

10.一种计算用户间信任值的装置，其特征在于，包括：

获取模块：用于获取在先用户和新用户对项目的真实评分值；

计算模块：用于根据所述在先用户的真实评分值和所述新用户的真实评分值计算所述新用户对所述在先用户的初始信任值；

所述计算模块还用于根据所述在先用户的真实评分值和所述新用户的真实评分值计算新用户与在先用户之间的相似度；

所述计算模块还用于根据所述初始信任值利用信任传播机制计算所述新用户对所述在先用户的中间信任值；

所述计算模块还用于根据所述相似度和所述中间信任值计算所述新用户对所述在先用户的最终信任值。