[发明专利]融合信任度和度量因子矩阵分解的兴趣点推荐方法及系统

说明书

本发明公开了一种融合信任度和度量因子矩阵分解的兴趣点推荐方法及系统，从不同角度去构建用户社交关系矩阵成为研究的重点，该推荐方法和系统利用社交网络中的用户信息以及用户间的互动信息构建用户社交信任网络，再与度量因子矩阵分解模型融合进行综合推荐。该推荐方法和系统从不同的角度、数据广度和深度挖掘了与用户相关的信息，更真实地还原用户属性及行为，建立用户偏好模型，使用户兴趣点的推荐更加准确，更加个性化，达到了更好的推荐效果。

技术领域

本发明涉及信息检索推荐技术领域，具体涉及一种基于融合信任度和度量因子矩阵分解的兴趣点推荐方法及系统。

背景技术

随着互联网技术的不断进步，基于社交网络的应用迅速发展，受到了业界的广泛关注，在这些社交网络中，用户拥有自己的社交关系，对事物的评价和对自己生活的分享，也可以关注好友的一些动态。因此其中包含了丰富的数据，可以通过签到信息、好友关系、评价数据等挖掘出有用的信息更好的构建用户的兴趣偏好模型，为用户推荐其可能更感兴趣，会给更好评分的景点，这种类型的推荐称之为兴趣点(Point-of-Interest，简称POI)推荐。兴趣点的推荐需要满足用户的个性化推荐服务，尽量避免信息过载问题的同时也要帮助服务提供商实现智能化信息服务，进而提升供应商的行业收入。因此，基于社交网络的旅游兴趣点推荐在现在生活中越来越重要。

个性化旅游推荐系统与传统的旅游推荐相比，在考虑流行景点之外，还会将游客的衣食住行全部考虑在内，因此通过基于社交网络中的兴趣点的历史信息可以更好地挖掘用户的偏好，从而给用户更好更全面的旅游体验。但是，与其他方面的推荐系统相比较，个性化旅游推荐系统会面临更大的挑战，旅游数据的结构更复杂，且比较难以获取；用户的评价和历史信息很难准确表达其需求；用户的历史信息和个人信息都非常的稀少；旅游数据也是十分的稀疏，而且非常冗余。传统的推荐方法应用到个性化旅游推荐当中的效果也不尽人意，协同过滤推荐等无法很好地解决数据稀疏性、冷启动和旅游推荐面临的新城市推荐等问题。

发明内容

有鉴于此，有必要提供一种更贴近用户需求、推荐效果更好的融合信任度和度量因子矩阵分解的兴趣点推荐方法及系统。

一种融合信任度和度量因子矩阵分解的兴趣点推荐方法，包括以下步骤：

步骤一，建立基于社交信任的兴趣点推荐模型：通过社交网络中挖掘的用户信息计算用户之间的直接信任度，并将用户及其之间的关系抽象为节点和边，通过单信任路径和多信任路径两种方式计算用户间接信任度，将直接信任度和间接信任度综合为用户信任关系，形成基于社交信任的兴趣点推荐模型；

步骤二，建立基于度量因子矩阵分解的兴趣点推荐模型模块：通过度量因子分解的方法将用户对兴趣点的评分转换为距离，并计算偏好距离，建立基于度量因子矩阵分解的兴趣点推荐模型；

步骤三，建立融合信任度和度量因子矩阵分解的兴趣点推荐单元：将步骤一形成的基于社交信任的兴趣点推荐模型和步骤二形成的基于度量因子矩阵分解的兴趣点推荐模型进行融合，形成兴趣点推荐单元，用于面向用户的个性化兴趣点推荐。

进一步地，步骤一中的所述社交信任包括直接信任和间接信任，所述直接信任包括显性信任和隐性信任，所述间接信任包括所述单信任路径和所述多信任路径；所述显性信任采用社交网络中存在明确的好友关系的用户，及其在社交网络上的好友数量和在社交网络上的评论的被点赞数量；所述隐性信任采用社交网络中评分项目的相似度和用户平均打分的相似度；所述单信任路径采用具有唯一信任传递路径的用户之间信任关系，信任关系的传递长度不超过3；所述多信任路径采用具有多条不同信任路径都能够到达的用户之间的信任关系，其中每条信任路径的权重值不同，综合各条信任路径的权重值，以得到该用户的最终权重值；所述直接信任度和所述间接信任度分别为依据所述直接信任和所述间接信任计算得到的关联关系及相应的数值。

进一步地，所述显性信任用表示，计算公式为：

（1）