[发明专利]一种基于典型度和信任网络的协同过滤推荐方法

摘要

本发明提供一种基于典型度和信任网络的协同过滤推荐方法，该方法使用稠密的用户典型度矩阵和项目典型度矩阵代替原有稀疏的评分矩阵，并融合用户间的信任网络对传统协同过滤推荐算法的改进。通过使用项目在项目集中的典型度矩阵和用户在喜爱某类项目集的用户集上的典型度矩阵，缓解传统协同过滤推荐算法中由于用户评分数据数量少的稀疏性问题，融合用户信任网络进一步提高推荐精度，同时实现数据降维。推荐结果能够充分融合用户的社会信任关系对相似用户兴趣的影响。

主权项

一种基于典型度和信任网络的协同过滤推荐方法，其特征在于，包括以下步骤：S1：获取用户对项目的历史评分数据，项目的特征信息数据；S2：将每个项目的内容标签表示成文本向量的形式，设定隐含主题数目K，使用LDA主题模型对项目聚类产生项目集主题分布θ和主题‑词分布Φ；S3：利用项目的项目‑主题分布和主题词分布，计算项目在项目集中的典型度，构建项目‑项目集典型度矩阵；利用用户对项目的评分数据，计算用户在某类主题对应的喜欢该类主题的用户集中的典型度，构建用户‑用户集典型度矩阵；S4：对于用户Ui，使用阈值过滤算法计算用户见的相似度距离，构建最近邻居矩阵；S5：根据用户Ui的邻居对项目的评分，计算Ui所有近邻的信任度，构建用户Ui近邻的信任度矩阵；S6：利用典型度矩阵代替传统的评分矩阵，融合信任度的加权平均计算评分预测，根据评分预测产生推荐列表。