[发明专利]一种针对大学生群体的信息资源自动推荐方法

说明书

技术领域

本发明涉及协同过滤推荐算法的思想，特别涉及一种混合用户社交网络信息的用户相似度计算方法。

背景技术

随着数据产生速度的加快和信息技术的发展以及大学生群体信息交流的需求日渐增加，互联网思想已经深入大学生群体的学习生活。大量的信息无时无刻的都在产生，各种信息纷繁复杂，传统的信息推送方式已无法满足现实生活的需求，因此，以协同过滤推荐算法为代表的信息推荐技术应运而生，个性化定制和推荐系统也广泛应用于各种领域中。

把社交网络和推荐系统结合起来，那么基于社交网络的推荐应该具有发现潜在商机和提升预测效果的显著作用。本文主要涉及协同过滤算法的思想和基于用户的协同过滤算法，即相似的用户具有相似的兴趣喜好。传统的协同过滤算法仍存在诸多问题，尤其是数据稀疏以及冷启动问题。现有的各种经改进的协同过滤算法，一定程度上缓解的上述问题。目前，随着我国科教水平的提升和经济水平的提高，大学生群体已成为带动社会理性消费和推动社会进步的重要社会群体，因此，本发明着眼于这一现实，提出一种针对大学生的垂直领域的信息推荐方法，主要目的在于提升大学生群体的信息共享与交流的效率，方便大学生之间交流及获取各方面的信息，例如，考研、留学、课程心得和就业等等。

大学生群体的社交网络一般都局限于高校和同学关系之内，所以该群体的社交网络对推荐的生成就具有相当程度的重要性及参考价值。本发明提出了一种针对大学生群体的信息资源自动推荐方法，一定程度缓解了运营初期的数据稀疏及冷启动问题。大学生群体作为社会重要组成部分之一，针对这一群体的信息推荐具有重大潜在商业价值。

发明内容

本发明的目的在于提供一种针对大学生群体的信息资源自动推荐方法，实现针对大学生群体的信息资源自动推荐，主要考虑了大学生群体的社交网络的特点，对协同过滤算法进行改进优化。

为了解决以上需求的技术问题，本发明通过改进协同过滤算法，提出了一种融合社交网络的协同过滤算法。该方法可以在项目运营初期通过用户社交网络的辅助，缓解数据稀疏和冷启动问题，提高了针对大学生群体的信息资源自动推荐的针对性。本发明采用的具体技术方案如下。

一种针对大学生群体的信息资源自动推荐方法，其特征在于包括以下步骤：

步骤一，获取用户数据和需要推荐的数据；

步骤二，采用用户相似度模型计算基于用户评价矩阵的邻居集合；

步骤三，采用基于社交网络信息的相似度模型计算基于社交网络信息的邻居集合；

步骤四，根据两种邻居集合，计算出预测项目的得分，并对两个结果进行混合；

步骤五，筛选出评分最高的TOP-N项目，得出推荐结果。

所述步骤二具体包括以下过程：

过程2.1，采用基于皮尔森相关系数的相似度模型，利用式(1)计算出用户u，ν的相似度w(u,v)；

其中，I(u)表示用户u所标注的项目集合，r_ui表示用户u对项目i的标注，表示用户u在所有项目上标注的均值；I(v)表示用户v所标注的项目集合，r_vi表示用户v对项目i的标注，表示用户v在所有项目上标注的均值；。

过程2.2，根据过程2.1所述相似度，结合式(2)得出基于用户评价矩阵的邻居集合P_u；

其中，表示相似度阈值，U为所有用户的集合。

所述步骤三具体包括以下过程：

过程3.1，建立基于社交网络信息的相似度模型，由式(3)表示；

sim_social(u,v)＝α*sim_interact(u,v)+β*sim_f(u,v)(3)

其中，α，β分别表示了各自的权重且α+β＝1，sim_interact(u,v)表示基于用户交互的相似度，由式(3-1)得出，sim_f(u,v)表示基于用户社交关系网的相似度，由式(3-2)得出；

其中，f_uv为用户u，v互动频次，f_uv′为用户u，v′互动频次，F_u是所有与u互动过用户的集合；

过程3.2，根据过程3.1所建立的基于社交网络信息的相似度模型，由式(4)计算出邻居集合S_u；