[发明专利]一种融合置信度的信任影响群组推荐方法

权利要求书

1.一种融合置信度的信任影响群组推荐方法，其特征在于，该方法包括以下步骤：

S1、从社交网络的服务网站中采集数据，获取用户对项目的评分数据，构建评分数据集；

S2、利用K-means聚类算法对评分数据集中用户进行聚类，形成多个子簇，构建群组信息；由于同一用户位于不同群组中，反复执行聚类算法，形成大量群组，构建群组集；

(1)将评分数据集整理成用户评分向量；

(2)随机选取k个用户作为初始聚类中心；

(3)计算剩余用户到k个初始中心用户之间的余弦距离，并将每个剩余用户归于距离最小的簇中；更新簇中心点；

(4)重复步骤(3)(4)；

(5)达到约定迭代次数，结束算法；

S3、在同一群组中，针对成员之间对于评分的理解、解释不同，构建评分习惯差异模型；

(1)应用香农熵计算成员u评分的不确定性

其中，|RD|表示评分域中的元素数量，p_ur表示用户u在评分向量V_u中评分为r的概率；|V_u|表示评分域中的评分元素的数量；

(2)通过不确定性计算成员u评分的确定性

Cer_u＝1-UCer_u (3)

其中，Cer_u表示用户u评分的确定性；

(3)计算成员评分习惯之间的差异

CerDiff_u，v＝|Cer_u-Cer_v| (4)

其中，CerDiff_u，v表示用户u和用户v的评分习惯差异；

S5、基于成员之间的评分相似性与评分习惯构建融合置信度的信任模型；

其中，CBTrust_u，v表示用户u对用户v的信任度，Affinity_u，v表示用户u对用户v的亲和度，|I_u∩I_v|表示用户u和用户v共同评分过的项目数，|I_u|表示用户u评分过的项目数，Distance_u，v表示用户u和用户v之间的距离，r_u，i表示用户u对项目i的评分；

S6、基于信任模型计算成员间的动态信任影响权重；

其中，WInf_v，u表示用户v对用户u的影响权重，Similarity_u，v表示用户u和用户v之间的皮尔逊相关系数，表示用户u的评分均值；

S7、计算经过信任影响修正后的成员评分；

InfR_u，i＝r_u，i+∑_{v∈G∧v≠u}WInf_v，u*(r_v，i-r_u，i) (10)

其中，InfR_u，i表示用户u经过群组成员信任影响修正后对项目i的评分；

S8、融合成员评分，得到群组评分；

其中，R_G，i表示群组G对项目i的评分，|G|表示群组内的成员数量；

S9、将S8计算出的群组评分进行降序排序，并将排名靠前的多个候选项目推荐给群组。

2.根据权利要求1所述一种融合置信度的信任影响群组推荐方法，其特征在于步骤S1所述的构建评分数据集就是收集用户在服务网站的评分数据，步骤S1中采集的数据包括：服务网站中的用户ID、用户名、项目ID、项目类型、用户评分，用户评分时间。

3.根据权利要求1所述一种融合置信度的信任影响群组推荐方法，其特征在于步骤S2中使用K-means算法、聚类算法或模糊C均值聚类算法作为群组挖掘算法。

4.根据权利要求1所述一种融合置信度的信任影响群组推荐方法，其特征在于步骤S2中，一个用户同时位于多个群组中，在大数据集下反复执行聚类算法，生成大量群组，同时同一用户会位于不同群组中。