[发明专利]一种基于属性耦合矩阵分解的项目推荐方法

说明书

本发明公开了一种基于属性耦合矩阵分解的项目推荐方法，首先根据项目类别划分用户‑项目评分矩阵；利用用户评分和社交关系共现的原则推导特定类别用户社交网络；在推导的特定类别用户社交网络上利用PageRank算法计算用户的社会地位；以用户社会地位值衡量用户的评分权重，结合特定类别用户评分数据和社交关系数据执行矩阵分解，学习特定领域的用户和项目隐式特征向量，使用用户和项目的隐式特征向量内积预测用户对项目的评分，为用户提供个性化的项目推荐。本发明有效解决了传统基于社交网络推荐技术忽视的如下两个问题：(1)在不同的领域中，用户信任不同的朋友；(2)由于用户在不同的领域内具有不同的社会地位，用户在不同领域受朋友影响程度不同。

技术领域

本发明属于数据挖掘技术领域，具体涉及一种基于属性耦合矩阵分解的项目推荐方法。

背景技术

随着互联网技术的不断发展，从海量数据中找到有价值的相关信息变得越来越困难。推荐系统通过分析用户的历史活动数据，挖掘用户的潜在偏好，为用户提供个性 化的推荐服务，成为解决信息过载问题的有效手段，近年来受到学术界和工业界的广 泛关注。在推荐系统的研究中，协同过滤算法是目前应用最广泛的推荐技术。协同过 滤算法通过分析用户的历史反馈信息，预测用户未来的偏好。然而，协同过滤算法存 在严重数据稀疏、冷启动等问题。

随着社交网络的出现，越来越多的推荐算法利用社交网络提供的丰富信息来改进传统推荐算法的性能，特别是解决传统协同过滤方法中的冷启动问题。基于社交网络 的推荐算法一般假设社交网络中用户的偏好受到朋友的影响，并且朋友之间具有相似 的偏好。然而，已有的基于社交网络的推荐算法忽略了以下2个事实：(1)在不同的 领域中，用户信任不同的朋友；(2)用户不仅在不同领域中受到不同朋友的影响，而 且不同用户受朋友影响的程度不同。

发明内容

本发明所要解决的技术问题是针对上述现有技术存在的问题和不足，提供一种用户社会地位增强的矩阵分解项目推荐算法，重点是从用户评分数据和社交网络数据中 推导用户在不同领域内的社会地位，并将领域差异化的社会地位值融入到矩阵分解模 型中，更加准确的学习用户和项目的隐式特征向量，从而达到提高推荐系统性能的目 的。

本发明为解决上述技术问题采用的技术方案为：

一种基于属性耦合矩阵分解的项目推荐方法，包括如下步骤：

步骤1)，根据项目类别划分用户-项目评分矩阵，并利用用户评分和社交关系共现的原则推导特定类别用户社交网络；

步骤2)，在推导的特定类别用户社交网络上，利用PageRank算法计算用户的社会地位值；

步骤3)，以用户社会地位值衡量用户的评分权重，结合特定类别用户评分数据和社交关系数据执行矩阵分解，学习特定领域的用户和项目隐式特征向量；

步骤4)，使用特定领域的用户和项目的隐式特征向量内积预测用户对项目的评分， 根据预测评分为用户提供个性化的项目推荐。

作为本发明一种基于属性耦合矩阵分解的项目推荐方法进一步的优化方案，所述步骤1)的详细步骤为：

步骤1.1)，按照项目的类别对原始用户-项目评分矩阵R进行划分。用户对项目的评分表示为3元组的形式：(uid,pid,categoryid)，其中categoryid表示被评分项目的类型。原始 用户-项目评分矩阵R可以根据categoryid分为l为用户评分数据集中项 目类别的数量；

步骤1.2)，根据用户评分和社交关系共现的原则推导特定类别的用户社交网络。用户u和用户v在类别c中社交信任值为：

其中，和分别表示用户u和用户v在R^c的评分数量。类别c中所有用户的社交关系 构成类别c下的社交关系矩阵T^c。