[发明专利]一种基于信任信息的TimeSVD改进算法

权利要求书

1.一种基于信任信息的TimeSVD改进算法，其特征在于，包括以下步骤：

步骤1)数据输入，包括用户评分信息与用户信任信息；

步骤2)构建评分矩阵：建立m×n阶的用户-项目评分矩阵，m为用户组，n为项目组，用R表示评分矩阵，则R＝[r_u，i]_m×n，r_u，i表示用户u对项目i的评价；

步骤3)构建信任矩阵：建立m×m阶的用户信任矩阵，m为用户组，用T表示用户信任矩阵，则T＝[t_uv]_m×m，它表示用户u对v的信任值，当特定项目为i时，矩阵为

步骤4)TimeSVD分解矩阵：利用TimeSVD对已经建立好的m×n阶评分矩阵R分解降维，将矩阵R分解为P∈R^d×m、Q∈R^d×n、∑；其中P∈R^d×m代表用户矩阵，Q∈R^d×n代表项目矩阵，将高维度的用户-项目的评分矩阵分解为两个低维度矩阵的乘积，这两个低维度矩阵分别被称为用户特征向量矩阵和项目特征向量矩阵，∑是奇异值的对角矩阵，则用户u对未评分项目i的评分预测值

步骤5)根据评分预测，给出推荐结果。

2.根据权利要求1所述的一种基于信任信息的TimeSVD改进算法，其特征在于，步骤4)具体包括：

步骤4.1)根据相关列项目评分平均值对矩阵中的空白元素进行填充；

步骤4.2)通过简化P、Q、∑，构造降维后的矩阵R′；

步骤4.3)按照梯度下降法(SGD)迭代学习优化，得到最有解；

步骤4.4)计算用户u对未评分项目i的评分预测值

步骤4.5)优化评分矩阵损失函数L，增加正则化参数项λ，防止过拟合，其中损失函数T是测试集中全部的用户-项目组合，是正则化的项，r_ui是用户u对项目i的真实评分，||.||是欧几里得范数；

步骤4.6)利用TimeSVD对已经建立好的m×m信任矩阵T分解成信任者和被信任者的特征矩阵P、w；其中P^d×m表示信任者矩阵，W^d×m表示受信者矩阵；

步骤4.7)计算信任者对被信任者的信任预测值

步骤4.8)结合评分矩阵和信任矩阵获得新的损失函数其中表示用户u和用户v的预测信任值，λ_t控制正则化项中信任的程度。