[发明专利]基于偏好模型的社会化过滤方法

说明书

技术领域

本发明属于信息化处理技术领域，涉及协同过滤，特别是一种社会化过滤方法，可用于在网络中的信息交互和共享。

背景技术

随着互联网的发展，网络已经变成信息共享的平台，在该平台上用户之间实现信息的交互和共享，所以对于信息的共享和交互处理就是急需解决的问题。如何让人们在海量的数据中想要找到他们需要的信息，实现用户之间的信息共享与交互，就需要采用协同过滤技术。该方法是不依赖于用户的属性信息和物品的内容信息，而仅仅通过分析大量的用户对物品的行为信息，从中找出特定的行为模式，据此来预测用户的偏好。所谓偏好，表示的是用户所感兴趣的信息类型。

近年，随着以Facebook和Twitter为代表的社会网络的兴起，社会化过滤逐渐成为协同过滤技术的研究热点。社会化过滤方法利用用户和他的好友偏好的共同点，来分析好友的偏好，从而预测给定用户的偏好。最简单的社会化过滤算法是基于邻域的算法。除了简单的邻域模型，还有其他社会化过滤算法。利用图模型将用户的社会网络和用户物品的偏好关系建模到一张图中，然后利用随机游走算法给用户做社会化推荐。一个矩阵分解的算法来分解用户的社会网络矩阵和用户物品偏好矩阵，计算出用户的特征向量和物品的特征向量，并最终利用特征向量的点乘度量用户对物品的偏好。

但是以上这些社会化推荐方法，随着用户和商品的增多，系统的性能会越来越低；都是针对单个用户进行偏好发现，所以对于用户比较多时，社交关系复杂的情况，推荐准确性就会大大下降。

发明内容

本发明的目的是针对已有方法的不足，提出一种基于偏好模型的社会化过滤方法，依据用户之间的关系建立群体偏好特征，从而解决在用户比较多，用户的偏好相似度比较低的情况下，通过计算群体偏好特征的加权影响向量，提高对用户偏好过滤方法的准确性。

为实现上述目的，本发明包括如下步骤：

(1)从网页配置文件中获取一个组G＝{u₁，u₂，…，u_g}，u_l为组员，1≤l≤g，g为组G中组员的个数；再从组内获取所有组员喜好对象的列表M＝{m₁，m₂，…，m_p}，m_i为组员喜好对象，1≤i≤p，p为列表M中对象的个数；

(2)根据组G的特征，分别计算组员u_l和组员喜好对象m_i对组的影响因子，得到对组G的加权影响向量：为组员喜好对象m_i对组G归一化后的加权影响因子，1≤i≤p；

(3)使用关键字表示组员喜好对象m_i，得到组员喜好对象m_i的关键字向量W_i＝{w₁，w₂，…，w_n}，w_q为组员喜好对象m_i的关键字，1≤q≤n，n为组员喜好对象m_i的关键字个数；

(4)将对象列表M的关键字向量表示为W＝{W₁，W₂，…，W_p}，W_i表示组员喜好对象m_i的关键字向量，1≤i≤p；

(5)根据步骤(2)中所述的加权影响向量和步骤(4)中所述对象列表M的关键字向量W，计算组G的综合加权影响向量

(6)输入待分析对象m′，并使用关键字表示待分析对象m′，得到待分析对象m′的关键字向量W′＝{w′₁，w′₂，…，w′_k}，其中w′_r为待分析对象m′的关键字，1≤r≤k，k为待分析对象m′的关键字个数；

(7)根据步骤(6)中所述待分析对象m′的关键字向量W′和步骤(5)中所述组G的加权影响向量计算待分析对象m′的过滤系数Y：

Y=Σi=1pyi,]]>