[发明专利]一种面向排序预测的社会化推荐方法

摘要

本发明公开了一种面向排序预测的社会化推荐方法，该方法通过利用用户和项目隐含特征，进一步提高了排序预测的精度。首先利用PL模型将项目的潜在特征和使用LFM提取的用户潜在特征进行建模；之后利用用户作为信任者和受托者特征来构建多维信任模型；最后将两者联合建模，构建排序预测模型，接着对模型进行优化处理，从而得到最优的前N个推荐列表。该方法是在考虑社交网络结构信息的同时，将用户两个不同的角色作为信任者和受托者建模，从而将社会信息结合到推荐中，这使得数据稀疏的情况下也能带到达到优化推荐结果的目的。

主权项

1.一种面向排序预测的社会化推荐方法，其特征在于，包括以下步骤：S1：收集用户的基本信息数据集X，并进行了预处理；S2：使用TOP概率来对任意用户ui生成排序列表中排在第一位置的概率模型从而来对排序列表进行优化；S3：利用信任矩阵的不对称性，将每个用户映射成两个不同的潜在向量，每个向量表示受信者和受托者，并得到预测评分模型S4：将评分模型通过使用交叉熵度量来制定旨在最小化训练列表和预测评级列表之间的不确定性的目标函数(损失函数)；S5：利用用户的信任者和受托者不同的角色特征构建多维信任模型，并对其进行优化；S6：利用评分模型和多维信任模型进行联合构建排序模型，并对其进行优化。