[发明专利]基于圆桌流感算法的稀疏信任挖掘方法

权利要求书

1.一种基于圆桌流感算法的稀疏信任挖掘方法，其特征是，包括信息预处理步骤，流感信任传递步骤与隐藏信任关系挖掘步骤，其中信息预处理步骤进行信任数据格式化以及信任数据归一化，数据归一化的目的就是为防止不同标准数据对挖掘结果造成影响；流感信任传递步骤通过传递信任计算进行信任挖掘；隐藏信任关系挖掘步骤是对流感传播的信任值进行聚合。

2.如权利要求1所述的基于圆桌流感算法的稀疏信任挖掘方法，其特征是，利用softmax函数来归一化稀疏信任：

其中G_ij表示归一化后i对j的信任值，I表示包含所有实体的信任网络，p_ij表示在数列p中实体i对实体j的信任值，如果此时的原始信任值p_ij是0，表示不信任，这被称为信任的稀疏性；如果实体不与任何其他主体客体交互，则自信任值不会出现在矩阵中，或者与其他所有其他主体的信任值都被定义为0，将这种情况下的归一化信任值定义为零，以用于挖掘信任值；而且，只有具有信任值的那些节点被归一化，下列公式中示出了改进的softmax函数：

流感信任传递具体过程如下：

流感信任算法基于信任传递机制，旨在找到邻居传递信任关系：

t_ik＝∑_j∈Ig_ijg_jk

其中t_ik代表实体i对实体k的信任，g_ij,g_jk表示中间实体i对j，j对k的信任值，通过他们的共同邻居来进行信任传递来确认的，共同的邻居在这里也被称为中间实体，中间实体为不具有信任关系的两个实体进行信任值的传递，每个实体变量包括两个信息量：一个与实体结点有信任关系的结点邻接表，用Trustlist(i)表示；另一个是与每个中间实体信任值的集合，表示为Data_set(g_ij)，采用深度优先搜索策略来寻找中间实体，搜索道德实体被标记并存储到堆栈中，而且，搜索到的有效路径被输出并存储到矩阵中，如果在搜索到最后一个实体后仍然不是有效的路径，指针将返回到前一个结点来进行下一个路径的搜索。

3.如权利要求1所述的基于圆桌流感算法的稀疏信任挖掘方法，其特征是，隐藏信任关系挖掘具体过程如下：

第一步，选取信任数据，利用模型对信任数据进行预处理，即对信任数据进行格式化以及归一化，计算特征；

第二步，将同一社区的所有实体抽象成一个圆桌，然后根据信任度把实体放在桌面上，直到所有的实体被放置或者圆桌被填满，如果在圆桌上有一个或多个实体仍然没有放置，实体将被淘汰；

第三步，在已建立的多维信任场模型上，基于信任的传递机制，即基于信任场模型的流感信任传递算法，找到邻居传递信任关系；

第四步，根据挖掘信任关系聚合算法对用户之间的信任关系聚合并筛选；

第五步，得出最终的稀疏信任网络，并进一步应用于辅助推荐系统推荐。