[发明专利]基于多元信用评估的用户偏好预测方法

权利要求书

1.一种基于多元信用评估的用户偏好预测方法，其特征在于，包括如下流程步骤：

步骤S110：构建目标用户与其他用户间的信任邻接矩阵以及目标用户与商品间的评分稀疏矩阵；

步骤S120：根据所述信任邻接矩阵和所述评分稀疏矩阵，获取所述目标用户的综合信任度，并对其进行归一化处理；

步骤S130：根据所述信任邻接矩阵和所述评分稀疏矩阵，获取目标用户的重要度，并对其进行归一化处理；

步骤S140：根据所述归一化处理后的综合信任度和重要度，建立目标用户对商品的评分预测模型；

步骤S150：构造所述评分预测模型的目标函数，通过梯度下降法优化所述目标函数，获取用户偏好向量和商品特征向量；

步骤S160：根据所述用户偏好向量和所述商品特征向量，利用所述评分预测模型计算目标用户偏好；

所述步骤S110中，构建信任邻接矩阵具体包括：

根据每个用户的信任列表获得网络信任关系拓扑G＝{U,E}，构建目标用户与其他用户之间的有向信任邻接矩阵M，其中，U表示用户集合，E表示用户间的信任关系集合，

所述步骤S120具体包括，

步骤S121：根据所述评分稀疏矩阵，获取用户u和用户v之间的相似度；

其中，sim(u,v)表示用户u和用户v之间的相似度，表示用户u对商品的平均评分，表示用户v对商品的平均评分，I(u)表示用户u评价过的商品集合，I(v)表示用户v评价过的商品集合，R_u,i表示用户u对商品i的评分，R_v,i表示用户v对商品i的评分；

步骤S122：结合所述相似度，计算所述目标用户的直接信任度；

其中，DT_u,v表示目标用户u和用户v之间的直接信任度，表示与用户v有直接信任关系的用户的个数，表示用户v的信任列表中的用户总个数，|I_v|表示用户v评价过的商品的个数，|I|表示商品的总个数；

步骤S123：计算所述目标用户的间接信任度，具体包括：

用户u与用户v之间除具有直接信任关系外，还存在通过其他具有与用户u存在直接信任关系的用户w传递的间接信任关系，则用户u与用户v之间的间接信任度为：

其中，DT_w,v表示用户v与用户w之间的直接信任度，DT_u,w表示用户u与用户w之间的直接信任度，表示与用户u有直接信任关系的用户集合；

步骤S124：利用线性函数对所述直接信任度和所述间接信任度进行加权融合，得综合信任度，为：

T′_u,v＝mDT_u,v+(1-m)IT_u,v；

其中，m表示一个0到1之间的常数，用来控制直接信任度和间接信任度所占的比重，m的值越大，直接信任度的比重越大，m的值越小，则间接信任度所占的比重越大；

步骤S125：对所述综合信任度进行归一化处理，使T′_u,v的值保持在0到1之间，

其中，表示的是用户u的信任用户的集合，它包括用户u的直接信任用户和间接信任用户。

2.根据权利要求1所述的方法，其特征在于，所述步骤S130具体包括：根据所述评分稀疏矩阵中目标用户评价过的商品数量以及所述信任邻接矩阵中目标用户受到其他用户信任的数量，得到目标用户的重要度为：

其中，|I_u|表示目标用户u所评价过的商品的个数，|I|表示商品的总个数，表示用户u的活跃度，|T_u|表示用户u的信任关系的数量，|T|表示信任关系的总个数，表示用户u的权威度，s是一个0到1之间的常数，s的值越大，用户的活跃度在重要度中所占比重越大，s越小，用户权威度在重要度中所占比重越大，∈_ut表示网络中评分数与用户u一样的用户的比例，δ_ut表示网络中关注者数量和用户u一样的用户的比例；

对重要度W_u′进行归一化处理，得：