[发明专利]基于加权信任关系的概率矩阵分解推荐方法

摘要

本发明公开了一种基于加权信任关系的概率矩阵分解推荐方法，首先要获取用户项目评分信息矩阵和用户间信任关系评分矩阵，将信任信息矩阵进行信任数据的填充；对于用户项目评分信息矩阵根据相似度计算公式计算目标用户和每个用户的相似度；将得到的用户间相似度融入到信任评分数据中得到加权信任评分数据；将得到的加权信任评分数据结合概率矩阵分解方法得到基于加权信任关系的概率矩阵分解推荐模型，最终根据得到的推荐模型成功预测出目标用户感兴趣的项目。本发明主要针对带有评分信息和信任数据的社交网站，主要应用于电子商务系统中，有效的对目标用户形成高质量，高准确率的推荐。

主权项

1.一种基于加权信任关系的概率矩阵分解推荐方法，其特征在于包括以下步骤：步骤1、根据信任的弱传递性，首先寻找到信任矩阵中每个用户信任的用户的集合，称为相似用户集合，然后根据相似用户集合中用户的信任关系，去填充目标用户对之前没有信任评分的用户的信任度；步骤2、根据用户项目评分矩阵使用改进的Jaccard相似度计算公式计算出用户间相似度；步骤3、将计算出的用户间相似度与新的信任关系矩阵融合，生成新的加权的信任关系矩阵；步骤4、将加权的信任关系矩阵结合到概率矩阵分解算法中，生成基于加权信任关系的概率矩阵分解模型；步骤5、根据基于加权信任关系的概率矩阵分解模型对目标用户进行推荐。