一种融合社交网络和项目内容的协同推荐系统

摘要

本发明公开了一种融合社交网络和项目内容的协同推荐系统，首先对项目内容进行处理，即将每个项目的内容表示成文本向量，并设定隐含主题的数目，利用LDA(Latent Dirichlet Allocation)主题模型生成项目主题的分布和主题-词的分布；然后建立用户对项目的评分预测模型，并基于用户历史评分记录数据、用户之间的社交网络数据、项目主题分布，构建参数学方法，求解隐含参数U和V；最后就可以根据预测模型对所有的项目进行评分预测，按照评分降序排列项目，形成推荐列表。本发明有效地整合了评分数据、社交网络、项目内容多种信息源，通过机器学算法寻找最优的表征用户兴趣的隐含变量，基于用户和项目隐含变量实施个性化推荐，提高了推荐的精准度。

主权项

一种融合社交网络和项目内容的协同推荐系统，其特征在于包含以下步骤：步骤1，将每个项目的内容表示成文本向量形式，设定隐含主题的数目K，利用LDA主题模型生成项目‑主题的分布θ和主题‑词的分布φ；步骤2，利用用户历史评分记录数据构成的评分矩阵R，建立预测模型R＝U^TV，其中用户i对项目j的预测模型步骤3，利用评分矩阵R，用户之间的社交网络数据，项目‑主题的分布θ，构建参数学习方法，求解拟合评分矩阵R的最优参数U和V；步骤4，对于用户i，使用步骤3所得参数对所有未知的项目进行评分预测，按照评分降序排列候选项目，形成推荐列表。