CN111523054A - 基于活跃账号和相似账号的项目推荐方法及*** - Google Patents

基于活跃账号和相似账号的项目推荐方法及*** Download PDF

Info

Publication number
CN111523054A
CN111523054A CN202010339332.8A CN202010339332A CN111523054A CN 111523054 A CN111523054 A CN 111523054A CN 202010339332 A CN202010339332 A CN 202010339332A CN 111523054 A CN111523054 A CN 111523054A
Authority
CN
China
Prior art keywords
account
trust
similar
accounts
active
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010339332.8A
Other languages
English (en)
Inventor
刘森
邵增珍
吴泓辰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Normal University
Original Assignee
Shandong Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Normal University filed Critical Shandong Normal University
Priority to CN202010339332.8A priority Critical patent/CN111523054A/zh
Publication of CN111523054A publication Critical patent/CN111523054A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种基于活跃账号和相似账号的项目推荐方法及***，属于数据处理技术领域，获取多个账号信息，并评价每个账号是否为活跃状态；利用得到的活跃账号填充初始的稀疏信任矩阵，得到更新后的密集的信任矩阵；利用皮尔逊相关系数计算出更新后的密集的信任矩阵中的当前账号的相似账号；以信任账号的信任度值大小作为影响因素得到所有信任账号对项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对项目的评分总和；根据所有信任账号对项目的评分总和所有相似账号对项目的评分总和，得到当前账号针对某一项目的推荐结果；本公开结合信任账号和相似账号得到的评分综合一起进行协同推荐，极大的提高了项目推荐的准确度。

Description

基于活跃账号和相似账号的项目推荐方法及***
技术领域
本公开涉及数据处理技术领域，特别涉及一种基于活跃账号和相似账号的项目推荐方法及***。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
随着社会的发展和科学技术的进步，互联网涌现出大量的社交平台，使得网络用户的信息传播更加便利。在信息传播速度快、数据量庞大的社交网络中，推荐***可以有效预测用户所需的信息，向用户提供帮助。
但是在推荐***中，相比于海量的数据信息，用户所接触到的信息是非常少的，面临着信息数据稀疏化的问题，在一定程度上不利于用户之间的相互推荐，导致推荐的精准度不高，用户的体验变差，一般情况下用户之间的信任评分密度非常小，如下表所示。因此，如何有效的解决稀疏性问题是目前社交网络推荐中研究的热点及重点。
Figure BDA0002467997150000011
本公开发明人发现，传统的协同过滤推荐只是根据用户-项目的评分进行推荐，但实际上，用户会更倾向于他所信任的账号给出的推荐，然而现实情况中，其并不能有效的得到信任账号及其信任账号对某一项目的推荐评分。另一方面，社交网络用户也在不断增多，虽然有了更多的信任关系，但相对于整体大量的用户来说只能是寥寥无几，从而导致了用户之间的信任评分关系矩阵是稀疏的，进而无法保证推荐评分的准确性。
发明内容
为了解决现有技术的不足，本公开提供了一种基于活跃账号和相似账号的项目推荐方法及***，分别得到活跃账号和相似账号对某一项目的评分总和，结合信任账号和相似账号得到的评分综合一起进行协同推荐，极大的提高了项目推荐的准确度。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种基于活跃账号和相似账号的项目推荐方法。
一种基于活跃账号和相似账号的项目推荐方法，包括以下步骤：
获取多个账号信息，构建初始的稀疏信任矩阵，并评价每个账号是否为活跃状态；
利用得到的活跃账号填充初始的稀疏信任矩阵，得到更新后的密集的信任矩阵；
根据用户之间的共同评分的项目的数据计算更新后的信任矩阵中的当前账号的信任账号，利用皮尔逊相关系数计算出更新后的信任矩阵中的当前账号的相似账号；
以信任账号的信任度值大小作为影响因素得到所有信任账号对目标项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对目标项目的评分总和；
根据所有信任账号对项目的评分总和所有相似账号对目标项目的评分总和，得到当前账号针对目标项目的推荐结果。
本公开第二方面提供了一种基于活跃账号和相似账号的项目推荐***。
一种基于活跃账号和相似账号的项目推荐***，包括以下步骤：
活跃判断模块，被配置为：获取多个账号信息，构建初始的稀疏信任矩阵，并评价每个账号是否为活跃状态；
信任矩阵更新模块，被配置为：利用得到的活跃账号填充初始的稀疏信任矩阵，得到更新后的密集的信任矩阵；
账号判断模块，被配置为：根据用户之间的共同评分的项目的数据计算更新后的信任矩阵中的当前账号的信任账号，利用皮尔逊相关系数计算出更新后的信任矩阵中的当前账号的相似账号；
评分计算模块，被配置为：以信任账号的信任度值大小作为影响因素得到所有信任账号对目标项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对目标项目的评分总和；
项目推荐模块，被配置为：根据所有信任账号对目标项目的评分总和所有相似账号对目标项目的评分总和，得到当前账号针对目标项目的推荐结果。
本公开第三方面提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于活跃账号和相似账号的项目方法中的步骤。
本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于活跃账号和相似账号的项目方法中的步骤。
与现有技术相比，本公开的有益效果是：
1、本公开提供的方法、***、介质及电子设备，分别得到活跃账号和相似账号对某一项目的评分总和，结合信任账号和相似账号得到的评分综合一起进行协同推荐，极大的提高了项目推荐的准确度。
2、本公开提供的方法、***、介质及电子设备，评价每个账号是否为活跃状态，利用得到的活跃账号填充初始的稀疏信任矩阵，得到一个更新后的密集的信任矩阵，它拥有着更多的信任评分，有利于提高推荐的精确度。
附图说明
图1为本公开实施例一提供的基于活跃账号和相似账号的项目推荐方法的流程示意图。
图2为本公开实施例一提供的用户信任关系图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例一
如图1所示，本公开实施例一提供了一种基于活跃账号和相似账号的项目推荐方法，包括以下步骤：
获取多个账号信息，构建初始的稀疏信任矩阵，并评价每个账号是否为活跃状态；
利用得到的活跃账号填充初始的稀疏信任矩阵，得到更新后的密集的信任矩阵；
根据用户之间的共同评分的项目的数据计算更新后的信任矩阵中的当前账号的信任账号，利用皮尔逊相关系数计算出更新后的信任矩阵中的当前账号的相似账号；
以信任账号的信任度值大小作为影响因素得到所有信任账号对目标项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对目标项目的评分总和；
根据所有信任账号对项目的评分总和所有相似账号对目标项目的评分总和，得到当前账号针对目标项目的推荐结果。
本实施例中，所述账号信息指的是用户在各种互联网应用中的账户信息，如微信账号、QQ账号、微博账号等等，只要是具备自动推送信息功能的账号均可以用于本实施例所述的推荐方法。
具体包括以下内容：
(1)活跃用户的选择
现实中，人们在某些领域想要获得信息时，因为专家有着更高的权威和专业知识，所以人们首先会想了解这方面专家的推荐。同理，映射到推荐***中，活跃用户有着更多的粉丝，有更多的言论，会被大多数用户认同，他们在社交网络中有比较高的信任和威望，所以普通用户会更倾向于活跃用户的推荐。
评估一个用户是否为活跃用户，通过专业性、活跃度、可信度这三个方面作为衡量标准，如下式：
A(u)＝f(E(u),F(u),R(u)) (1)
其中，A(u)为活跃用户，E(u)为用户的专业性，F(u)为用户的活跃度，R(u)为用户的可信度。
下面分别以这三个角度给出判断标准。
(1)专业性
活跃用户的专业性可以理解为他们对项目的评分相对普通用户比较准确，而且对项目的平均评分没有较大差距。
若一个项目i被用户评分过，则项目i的平均评分如下式：
Figure BDA0002467997150000061
其中，N为所有对项目i进行过评分的用户，
Figure BDA0002467997150000064
表示用户u对项目i的评分。考虑到如果对项目i的评分用户太少，会导致当前用户的评分对结果造成很大影响，所以为了减小此影响，计算平均评分时应当去掉当前用户的评分，如下所示：
Figure BDA0002467997150000062
对上式的用户评分偏差进行归一化，得到：
Figure BDA0002467997150000063
式中，Rmax表示评分中的最大值。
最后用户的专业性则用用户评分的偏差的平均值表示，如下：
Figure BDA0002467997150000071
式中，M为用户对项目的评价次数。
(2)活跃度
活跃用户相比于普通用户，它们会有更多的评分，所以，用评价项目数量的多少来衡量一个用户的活跃度，如下：
Figure BDA0002467997150000072
式中，Nu表示当前用户u的评分次数，Nmax表示所有用户中最多的评分次数。
(3)可信度
普通用户要想信任活跃用户，还需要具备高可信度的素质，可信度用直接信任用户的数量多少来衡量。
如图2所示，用户a同时与用户b和用户c有联系，用户b有四个入度，既有四个直接信任用户，但用户c只有一个直接信任用户，可以看出用户b的直接信任用户明显要比用户c的直接信任用户多，所以用户a会更信任用户b。
可信度用目前用户的直接信任数量与所有用户中拥有最多直接信任的用户的信任用户数量的比值表示，如下：
Figure BDA0002467997150000073
其中，Mu为用户u的直接信任用户的数量，Mmax为所有用户中拥有最多直接信任的用户的信任用户数量。
通过以上分析，得到了衡量活跃用户的专业性、活跃度和可信度。三个值综合可以计算出活跃用户集合A(u)，如下所示：
A(u)＝E(u)+F(u)+R(u) (8)
由公式(4)(5)(6)(6)(7)和(8)可以获得活跃用户，进而得到活跃用户对项目的评分，基于活跃用户对稀疏评分矩阵进行填充可以得到了一个新矩阵，它拥有着更多的信任评分，有利于提高推荐的精确度。
(2)相似用户选取
皮尔逊相关系数：皮尔逊相关系数又叫做相关相似性，它是利用向量间的线性相关性来表示用户的相似度。
第一步先找到两个用户之间共同的评分项目集，第二步计算这两个向量的相关系数。
其公式如下：
Figure BDA0002467997150000081
皮尔逊相关系数是余弦相似度的改进，当两个向量均值都是0时，它就等于余弦相似度。因为余弦相似度在向量平移时会受到影响，所以在此基础上每个向量减去这个向量的均值组成的向量。其取值范围为[-1,1]，负值为负相关，正直为正相关，0代表两个用户没有相关性。
评分值信任度：若两个用户，用户u与用户v共同对某个项目i进行过评分，那么，就看作用户u与用户v之间有信任关系，反之，如果两者之间没有共同的评分，那么就不存在信任关系，把这种信任关系的大小称之为评分值信任度。
在评分项目中，如果用户u与用户v的共同评分项目越多，则表明用户v与用户v两者之间有越来越多的交流和互动，根据此行为来作为相似度的评判标准会更加有说服力，将用户u与用户v之间的这种存在互动的评分信任关系用Ru,v表示，其计算公式如下所示：
Figure BDA0002467997150000091
式中，Iu表示用户u评分过的项目集合，Iv表示用户v评分过的项目集合，Iu,v表示用户u与用户v共同评分过的项目组成的集合，|Iu|表示用户u的评分项目数量，|Iv|表示用户v的评分项目数量。Ru,v的值越大，越代表着用户u与用户v之间的相似度越大，即二者之间的评分相互参考的可信度就越大。
因为评分值信任度是作为评价用户之间相似性的重要因素，所以将其融合皮尔逊相关系数，可以得到一个经过改进的加权皮尔逊相关系数计算公式，如下所示：
Figure BDA0002467997150000092
式中，Ru,i表示用户u对项目i的评分，
Figure BDA0002467997150000093
表示用户u的评分平均值。同理，Rv,i表示用户v对项目i的评分，
Figure BDA0002467997150000094
表示用户v的评分平均值，本实施例中所述的相关度值与信任度值是相互协同配合的。
(3)推荐算法模型
由于传统的协同过滤推荐只是根据用户-项目的评分进行推荐，当数据量越来越多时，评分矩阵就会变得稀疏，在前面利用活跃用户的评分对稀疏矩阵进行了填充，推荐的准确性会有显著提高；为了更进一步完善推荐的性能，利用活跃用户和相似用户一起进行推荐。
根据两种用户提出了基于活跃用户的信任矩阵填充和相似用户的协同过滤推荐算法ASCF(Collaborative Filtering based on Active users and Similarity)，首先利用在前面得到的填充矩阵获得新的信任用户，然后在获得相似用户时利益对皮尔逊相关系数的改进方法计算，得到具有高相似度的用户，最后融合信任用户与相似用户，将信任用户的信任值大小作为影响因素乘以信任用户的评分，相似用户的相似值大小作为影响因素乘以相似用户的评分。
综上所述，用户u对i的预测评分计算公式，即推荐结果，如下：
Figure BDA0002467997150000101
其中，S(u)表示利用改进的皮尔逊相关系数计算出的相似用户集合，A(u)表示经过活跃用户填充之后的矩阵中的信任用户集合，Rv,i表示用户v对项目i的评分，Rw,i表示用户w对项目i的评分，
Figure BDA0002467997150000102
分别代表了用户u、用户v和用户w对所有项目评分的平均值，P(u,v)为信任账号的信任度值，A(u,w)为相似账号的相似度值。
实施例二
本公开实施例二提供了一种基于活跃账号和相似账号的项目推荐***，包括：
活跃判断模块，被配置为：获取多个账号信息，构建初始的稀疏信任矩阵，并评价每个账号是否为活跃状态；
信任矩阵更新模块，被配置为：利用得到的活跃账号填充初始的稀疏信任矩阵，得到更新后的密集的信任矩阵；
账号判断模块，被配置为：根据用户之间的共同评分的项目的数据计算更新后的信任矩阵中的当前账号的信任账号，利用皮尔逊相关系数计算出更新后的信任矩阵中的当前账号的相似账号；
评分计算模块，被配置为：以信任账号的信任度值大小作为影响因素得到所有信任账号对目标项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对目标项目的评分总和；
项目推荐模块，被配置为：根据所有信任账号对目标项目的评分总和所有相似账号对目标项目的评分总和，得到当前账号针对目标项目的推荐结果。
所述***的工作方法与实施例一中所述的基于活跃账号和相似账号的项目推荐方法相同，这里不再赘述。
实施例三
本公开实施例三提供了一种介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的基于活跃账号和相似账号的项目方法中的步骤，所述步骤为：
获取多个账号信息，并评价每个账号是否为活跃状态；
利用得到的活跃账号填充初始的稀疏信任矩阵，得到一个更新后的密集的信任矩阵；
利用皮尔逊相关系数计算出更新后的密集的信任矩阵中的当前账号的相似账号；
以信任账号的信任度值大小作为影响因素得到所有信任账号对项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对项目的评分总和；
根据所有信任账号对项目的评分总和所有相似账号对项目的评分总和，得到当前账号针对某一项目的推荐结果。
详细步骤参见实施例一，这里不再赘述。
实施例四
本公开实施例四提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的基于活跃账号和相似账号的项目方法中的步骤，所述步骤为：
获取多个账号信息，并评价每个账号是否为活跃状态；
利用得到的活跃账号填充初始的稀疏信任矩阵，得到一个更新后的密集的信任矩阵；
利用皮尔逊相关系数计算出更新后的密集的信任矩阵中的当前账号的相似账号；
以信任账号的信任度值大小作为影响因素得到所有信任账号对项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对项目的评分总和；
根据所有信任账号对项目的评分总和所有相似账号对项目的评分总和，得到当前账号针对某一项目的推荐结果。
详细步骤参见实施例一，这里不再赘述。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于活跃账号和相似账号的项目推荐方法，其特征在于，包括以下步骤：
获取多个账号信息，构建初始的稀疏信任矩阵，并评价每个账号是否为活跃状态；
利用得到的活跃账号填充初始的稀疏信任矩阵，得到更新后的密集的信任矩阵；
根据用户之间的共同评分的项目的数据计算更新后的信任矩阵中的当前账号的信任账号，利用皮尔逊相关系数计算出更新后的信任矩阵中的当前账号的相似账号；
以信任账号的信任度值大小作为影响因素得到所有信任账号对目标项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对目标项目的评分总和；
根据所有信任账号对项目的评分总和所有相似账号对目标项目的评分总和，得到当前账号针对目标项目的推荐结果。
2.如权利要求1所述的基于活跃账号和相似账号的项目推荐方法，其特征在于，根据专业性、活跃度和可信度来评价每个账号是否为活跃状态。
3.如权利要求2所述的基于活跃账号和相似账号的项目推荐方法，其特征在于，所述专业性，具体为：
Figure FDA0002467997140000011
Figure FDA0002467997140000012
其中，M为账号对项目的评价次数，Rmax表示评分中的最大值，N为所有对项目i进行过评分的账号，
Figure FDA0002467997140000013
表示账号u对项目i的评分。
4.如权利要求2所述的基于活跃账号和相似账号的项目推荐方法，其特征在于，所述活跃度，具体为：
Figure FDA0002467997140000021
其中，Nu表示当前账号u的评分次数，Nmax表示所有账号中最多的评分次数；
或者，
所述可信度，具体为：
Figure FDA0002467997140000022
其中，Mu为账号u的直接信任账号的数量，Mmax为所有账号中拥有最多直接信任的账号的信任账号数量。
5.如权利要求1所述的基于活跃账号和相似账号的项目推荐方法，其特征在于，信任账号的信任度值，具体为：
Figure FDA0002467997140000023
其中，Iu表示账号u评分过的项目集合，Iv表示账号v评分过的项目集合，Iu,v表示账号u与账号v共同评分过的项目组成的集合，|Iu|表示账号u的评分项目数量，|Iv|表示账号v的评分项目数量。
6.如权利要求1所述的基于活跃账号和相似账号的项目推荐方法，其特征在于，皮尔逊相关系数，即相似账号的相似值，具体为：
Figure FDA0002467997140000024
其中，Ru,i表示账号u对项目i的评分，
Figure FDA0002467997140000025
表示账号u的评分平均值，Rv,i表示账号v对项目i的评分，
Figure FDA0002467997140000026
表示账号v的评分平均值。
7.如权利要求1所述的基于活跃账号和相似账号的项目推荐方法，其特征在于，当前账号针对某一项目的推荐结果为当前账号对此项目的评分预测结果，具体为：
Figure FDA0002467997140000031
其中，S(u)表示利用改进的皮尔逊相关系数计算出的相似账号集合，A(u)表示经过活跃账号填充之后的矩阵中的信任账号集合，Rv,i表示账号v对项目i的评分，Rw,i表示账号w对项目i的评分，
Figure FDA0002467997140000032
分别代表了账号u、账号v和账号w对所有项目评分的平均值，P(u,v)为信任账号的信任度值，A(u,w)为相似账号的相似度值。
8.一种基于活跃账号和相似账号的项目推荐***，其特征在于，包括以下步骤：
活跃判断模块，被配置为：获取多个账号信息，构建初始的稀疏信任矩阵，并评价每个账号是否为活跃状态；
信任矩阵更新模块，被配置为：利用得到的活跃账号填充初始的稀疏信任矩阵，得到更新后的密集的信任矩阵；
账号判断模块，被配置为：根据用户之间的共同评分的项目的数据计算更新后的信任矩阵中的当前账号的信任账号，利用皮尔逊相关系数计算出更新后的信任矩阵中的当前账号的相似账号；
评分计算模块，被配置为：以信任账号的信任度值大小作为影响因素得到所有信任账号对目标项目的评分总和，以相似账号的相似度值大小作为影响因素得到所有相似账号对目标项目的评分总和；
项目推荐模块，被配置为：根据所有信任账号对目标项目的评分总和所有相似账号对目标项目的评分总和，得到当前账号针对目标项目的推荐结果。
9.一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于活跃账号和相似账号的项目方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于活跃账号和相似账号的项目方法中的步骤。
CN202010339332.8A 2020-04-26 2020-04-26 基于活跃账号和相似账号的项目推荐方法及*** Pending CN111523054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010339332.8A CN111523054A (zh) 2020-04-26 2020-04-26 基于活跃账号和相似账号的项目推荐方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010339332.8A CN111523054A (zh) 2020-04-26 2020-04-26 基于活跃账号和相似账号的项目推荐方法及***

Publications (1)

Publication Number Publication Date
CN111523054A true CN111523054A (zh) 2020-08-11

Family

ID=71910799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010339332.8A Pending CN111523054A (zh) 2020-04-26 2020-04-26 基于活跃账号和相似账号的项目推荐方法及***

Country Status (1)

Country Link
CN (1) CN111523054A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765484A (zh) * 2020-12-31 2021-05-07 北京达佳互联信息技术有限公司 短视频推送方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107391670A (zh) * 2017-07-21 2017-11-24 云南电网有限责任公司教育培训评价中心 一种融合协同过滤和用户属性过滤的混合推荐方法
CN109815402A (zh) * 2019-01-23 2019-05-28 北京工业大学 基于用户特征的协同过滤推荐算法
CN111324807A (zh) * 2020-01-13 2020-06-23 北京工业大学 基于信任度的协同过滤推荐方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107391670A (zh) * 2017-07-21 2017-11-24 云南电网有限责任公司教育培训评价中心 一种融合协同过滤和用户属性过滤的混合推荐方法
CN109815402A (zh) * 2019-01-23 2019-05-28 北京工业大学 基于用户特征的协同过滤推荐算法
CN111324807A (zh) * 2020-01-13 2020-06-23 北京工业大学 基于信任度的协同过滤推荐方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
关莹: ""基于粗糙集和信任网络的协同过滤推荐算法研究"" *
孙亚彬: ""基于社交网络的推荐算法研究"" *
景民昌;唐弟官;于迎辉;: "基于专家信任优先的协同过滤推荐算法" *
谭学清;张磊;黄翠翠;罗琳;: "融合领域专家信任与相似度的协同过滤推荐算法研究" *
贾彭慧等: ""基于专家动态生成的协同过滤推荐算法"" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765484A (zh) * 2020-12-31 2021-05-07 北京达佳互联信息技术有限公司 短视频推送方法、装置、电子设备及存储介质
CN112765484B (zh) * 2020-12-31 2024-04-30 北京达佳互联信息技术有限公司 短视频推送方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110879864B (zh) 一种基于图神经网络和注意力机制的上下文推荐方法
JP4011906B2 (ja) プロファイル情報の情報検索方法、プログラム、記録媒体及び装置
CN109299436B (zh) 一种满足本地差分隐私的偏好排序数据收集方法
US20100241647A1 (en) Context-Aware Query Recommendations
CN107301583B (zh) 一种基于用户偏好和信任的冷启动推荐方法
CN110674850A (zh) 一种基于注意力机制的图像描述生成方法
CN109635206B (zh) 融合隐式反馈和用户社会地位的个性化推荐方法及***
Chen et al. Research on personalized recommendation hybrid algorithm for interactive experience equipment
CN111324807A (zh) 基于信任度的协同过滤推荐方法
Anand et al. Adaptive user similarity measures for recommender systems: a genetic programming approach
CN116244513A (zh) 随机群组poi推荐方法、***、设备及存储介质
Chen et al. A probabilistic linguistic and dual trust network-based user collaborative filtering model
CN111125428A (zh) 基于评分预测函数拟合结构的时间相关电影推荐方法
CN111523054A (zh) 基于活跃账号和相似账号的项目推荐方法及***
JP2011221872A (ja) 知識量推定装置及びプログラム
CN109857928A (zh) 基于多元信用评估的用户偏好预测方法
CN110543601B (zh) 一种基于中智集的上下文感知兴趣点推荐方法及***
CN110795640B (zh) 一种弥补群组成员差异的自适应组推荐方法
CN117076763A (zh) 基于超图学习的会话推荐方法、装置、电子设备及介质
CN116304332A (zh) 一种知识图谱混合推荐方法
CN110825965A (zh) 一种基于信任机制和时间加权的改进协同过滤推荐方法
CN114611013A (zh) 基于用户兴趣和评分偏好差异自适应结合的协同过滤推荐算法
CN115618127A (zh) 一种神经网络推荐***协同过滤算法
CN111125541B (zh) 面向多用户的可持续多云服务组合的获取方法
CN111209407B (zh) 数据处理方法、装置、电子设备和计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200811