[发明专利]基于社会上下文的协同推荐方法

权利要求书

1.一种基于社会上下文约束的协同推荐方法，其特征在于包括如下步骤：

1）首先提取用户物品矩阵，以及社会化关系矩阵，在协同推荐中使用用户对物品的评分矩阵，或使用用户对物品点击次数或者访问关系来定义用户物品矩阵；社会化关系为系统中用户通过某些行为与其它用户之间发生的好友关系、处于相同兴趣爱好小组关系、信任关系；

2）使用带有社会上下文约束的低秩矩阵分解法来对用户物品矩阵进行填充，并使用结果矩阵为每个用户推荐N个物品；

3）考虑到不同用户之间存在的差异性，对矩阵分解中社会上下文约束权重进行调整。

2.根据权利要求1所述的一种基于社会上下文约束的协同推荐方法，其特征在于所述的步骤1)为：

2.1）选取用户对物品的评分矩阵作为用户物品矩阵R，推荐系统中用户对物品评分范围通常为0到5，在系统没有提供评分机制时，使用归一化的用户对物品点击率矩阵或者关系矩阵作为用户物品矩阵R；

2.2）提取用户之间的社会化关系矩阵G，社会化关系为系统中用户通过某些行为与其它用户之间发生的好友关系、处于相同兴趣爱好小组关系、信任关系关系，使用每一行每一列值为0或1的矩阵来描述社会化关系，即                                                表示用户i和用户j存在关系，反之表示用户i和用户j之间不存在关系。

3.根据权利要求1所述的一种基于社会上下文约束的协同推荐方法，其特征在于所述的步骤2)为：

3.1）对用户物品矩阵进行低秩矩阵分解过程为计算矩阵和矩阵，且使得U和V满足条件，其中m为用户的数量，n为物品的数量，并且，通过最小化以下式子来近似计算U和V； 

；

3.2）分解R中不为0的值来计算出U 和V ，同时在最小化式子中加两个惩罚项，设和是两个惩罚项的参数，将最小化式子改写为以下形式，其中I是R的指示矩阵，这里是指示矩阵，还是单位矩阵，即identity矩阵：

；

3.3）使用带有社会上下文约束的低秩矩阵分解法过程为在低秩矩阵分解的最小化式子中加入社会上下文约束，社会上下文约束即同一兴趣组内或社区内用户之间偏好类似，不同兴趣组之间用户偏好差异大，其表示如下：

其中S代表用户之间的相似性矩阵，其值为用户向量之间的余弦距离，是的对称矩阵，即如果，则，反之，是参数，用来调整同一兴趣组内或社区内约束和不同兴趣组间或社区间约束的不同权重，令，，加入社会上下文约束后的低秩矩阵分解方法转变成通过求以下最小化式子来计算U和V： 

，和为参数，最后基于得到的结果矩阵A，A=U*V，实现推荐。

4.根据权利要求1所述的一种基于社会上下文约束的协同推荐方法，其特征在于所述的步骤3)为：在社会上下文约束最小化关系式中使用用户相似性矩阵S对用户权重进行调整，表示如下：

。