[发明专利]基于圆桌流感算法的稀疏信任挖掘方法

说明书

本发明属本发明属于数据挖掘、信息处理领域，为挖掘出大量被大数据噪声掩盖的稀疏信任关系。通过利用信任的传播性质，挖掘潜在的信任信息。利用此种技术，能够在信任数据被大数据噪声干扰的情况下有效的挖掘信任信息。为此，本发明采取的技术方案是，基于圆桌流感算法的稀疏信任挖掘方法，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。本发明主要应用于信息处理、情报获取场合。

技术领域

本发明属于数据挖掘领域，涉及稀疏信任挖掘方向，通过设计一种基于圆桌流感的信任挖掘技术，实现推荐系统对大量信任数据的需求。

背景技术

为缓解推荐系统面临的冷启动与稀疏评价等问题，信任数据被广泛应用于推荐系统。推荐系统中信任信息的挖掘有两种方法：基于信任传播机制和基于信任特征的挖掘方法。

1)基于信任传播机制的挖掘方法

Mole Trust利用用户之间显式的信任关系替代用用户之前的相似度并且允许这种信任关系在信任网络中传播；Tidal Trust同样允许信任信息在信任网络中传播，但用户之间的潜在信任值只有达到了某一阈值才会传播。TrustWalker使信任关系在信任网络中随机游走从而挖掘潜在的信任关系。

2)基于信任特征的挖掘方法

Multi-Faceted Trust and Distrust framework从多方面综合分析信任的建立，根据用户的行为特征挖掘潜在的信任关系。采用基于SVR的挖掘方法，挖掘用户之间的非线性信任关系。

发明内容

为克服现有技术的不足，本发明旨在提出一个新型的基于圆桌流感的稀疏信任挖掘技术。相比最新的技术，它能挖掘出大量被大数据噪声掩盖的稀疏信任关系。通过利用信任的传播性质，挖掘潜在的信任信息。利用此种技术，能够在信任数据被大数据噪声干扰的情况下有效的挖掘信任信息。为此，本发明采取的技术方案是，基于圆桌流感算法的稀疏信任挖掘方法，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。

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