[发明专利]推荐系统中基于核搜索策略的推荐者搜索方法

说明书

本发明涉及一种信任网络推荐搜索机制的搜索策略，属于推荐系统的应用领域。本发明通过对网络中重要节点的选取，将这些点作为内核，通过信任传递可以找到被它们信任的用户，经过几次信任传递，网络中的绝大部分用户都将被覆盖。利用节点度和节点介数这两种中心性测度，可以分别得到网络中比较重要的节点，这些中心节点组成内核。通过网络中的信任传递，从内核向外扩散，几次以后，一般能覆盖网络中绝大多数的节点。利用不同中心性测度找到的内核，最后的覆盖率也不一样。为了取得更好的效果，我们把节点度和节点介数这两种方法结合起来。

本发明涉及一种推荐系统中基于核搜索策略的推荐者搜索方法，属于推荐系统的应用领域。

背景技术

随着互联网的迅猛发展，信息以前所未有的速度增长，使得在线用户信息超载问题的严重程度加剧。推荐系统可以定义为信息过滤系统，因为它们旨在为用户提供与用户喜好和兴趣相一致的最合适的项目，它们在社交网络应用中获得了很大的关注^[1]。推荐系统应用于各种应用，包括推荐产品，社交链接和数字项目。随着网络上可用信息的迅速增长，有必要使用工具来过滤这些信息，以便查找更有可能对用户感兴趣的项目。引入推荐系统来解决信息超载的问题，它们试图根据用户的喜好(如书籍或电影)来找到用户感兴趣的项目。这个个性化的推荐是有效的，特别是在网络世界中，我们经常面临很多选择。

常用的推荐技术可分为两大类：基于内容的模型和协同过滤方法。基于内容的推荐系统尝试将用户配置文件与项目描述相匹配，并且他们使用项目和用户的功能为每个项目或用户创建一个配置文件。用户配置文件包括人口统计信息和用户兴趣。将每个项目的贡献与用户配置文件进行比较，当与用户配置文件非常相似时，将推荐项目。这些系统可以区分可能对用户感兴趣的项目和可能不感兴趣的项目。然而，在基于内容的推荐系统中，冷启动问题是激烈的，因为新用户的评级不可用。这些模型取决于他们采用的内容分析方法的性能^[2，3]。基于协同过滤的推荐技术可以帮助人们根据其他具有类似利益的人的意见进行选择。协同过滤推荐系统依赖于用户的过去行为来查找类似的用户或项目，并利用该信息以便向用户寻找兴趣的项目。它仅基于用户社区的判断。这个算法遭受了沉重的计算，因为他们需要搜索所有的用户配置文件来找到最好的邻居集^[2，4，5]。

信任感知推荐系统在社交媒体中被广泛使用，根据活跃用户对推荐者的信任，信任感知推荐系统向用户提供了有价值的信息。与陌生人相比，用户更有可能接受他们信任的朋友提出的建议，因为用户可以受到他们值得信赖的朋友的影响。信任感知推荐系统利用信任传递，比传统推荐系统具有更好的评级预测覆盖率^[6]。

上文中提到的文献来源于如下的期刊：

[1]Abbasi M A，Tang J，Liu H.Trust-aware recommender systems[J].MachineLearning book on computational trust，ChapmanHall/CRC Press，2014.

[2]Lika B，Kolomvatsos K，Hadjiefthymiades S.Facing the cold startproblem in recommender systems[J].Expert Systems with Applications，2014，41(4)：2065-2073.

[3]Champiri Z D，Shahamiri S R，Salim S S B.A systematic review ofscholar context-aware recommender systems[J].Expert Systems withApplications，2015，42(3)：1743-1758.