[发明专利]一种改进的融合相似度和信任度的协同过滤算法

权利要求书

1.一种改进的融合相似度和信任度的协同过滤算法，其特征在于，包括以下步骤：

步骤1)建立用户评分矩阵。将用户对项目的所有评分根据一定的规则转换成数值评分，形成用户-项目评分矩阵；

步骤2)计算相似度。利用Person算法计算用户之间的相似度，得到用户之间的相似度矩阵。

步骤3)计算信任度。通过分析用户之间的评分行为和共同评分项目的数量计算用户之间的信任度，如果没有共同评分项目，通过“小世界”理论，寻找用户之间的共同可信任用户，分别计算与该用户的信任度。

步骤4)计算信任矩阵。通过3)中计算的信任度，建立用户之间的信任矩阵，如果没有中间用户，则初始为0；

步骤5)融合步骤2)计算的相似性和步骤4)得到的信任度，得到用户之间的信任值并构建信任矩阵；

步骤6)降序排序步骤5)得到的每个用户与其他用户之间的信任值，每次选取一定数量的近邻进行评分预测；

步骤7)通过评分准确性评估标准进行检测，并与传统算法进行比较，得到性能优化的结果，返回步骤6)知道选取到结果最优的近邻数量。

2.根据权利要求1所述的一种改进的融合相似度和信任度的协同过滤算法，其特征在于：所述步骤3)中，跟传统基于用户的协同过滤算法一样，本发明提出的算法仍需要根据实验来确定一对用户之间是否有间接信任用户。

3.根据权利要求1所述的一种改进的融合相似度和信任度的协同过滤算法，其特征在于：所述步骤3)中，一对用户之间信任度的计算方式为：已知每对用户之间都可以判断是否有共同评分项目，通过用户的评分行为和与其他用户的共同评分项目可以计算用户与其他用户之间的信任度，如果用户直接可以直接信任，则通过信任度公式计算两个用户之间的信任度，如果有间接信任用户，则取与这些间接信任用户之间的信任值的平均值作为信任度，信任度函数T_u，v如下：

4.根据权利要求1所述的信任值计算方法，其特征在于：每对用户之间都有相似性和信任度，融合两个度量可以得到我们需要的用户之间的信任值。

5.根据权利要求1所述的一种改进的融合相似度和信任度的协同过滤算法，其特征在于：所述步骤5)中，将用户信任度引入用户的相似性中，可以有效提高用户评分的一致性和解决传统算法的健壮性问题。

6.根据权利要求1所述的一种改进的融合相似度和信任度的协同过滤算法，其特征在于：所述步骤6)和步骤7)中，交叉验证选取最优的近邻数量，有效提高了评分预测的准确性。