| 主权项 |
1.一种用户可信度和项目最近邻相结合的互联网推荐方法，其特征在于该方法首先建立用户间的可信度DAG图，接着计算第<i>s</i>步在用户<i>u</i>停止随机漫步的概率，然后设定随机漫步的结束条件，并根据随机漫步条件预测用户<i>u</i>对目标项目<i>i</i>的评分<img file="512585DEST_PATH_IMAGE001.GIF" wi="30" he="38" />，最后根据预测的评分将用户<i>u</i>最有可能感兴趣的<i>N</i>个项目推荐给该用户，具体实施步骤如下：1）输入用户-项目评分矩阵和可信网络，其中用户-项目评分矩阵是根据用户集合<i>U</i>和项目集合<i>I</i>，用户集合<i>U</i>和项目集合<i>I</i>构成一个<i>m</i>*<i>n</i>阶矩阵<i>R</i>(<i>m,n</i>)，其中<i>Ru,i</i>表示用户<i>u</i>对项目<i>i</i>的评分，如果用户<i>u</i>未对项目<i>i</i>评分,则将其评分值设定为0，每个用户<i>u</i>评分的项目集合用<i>Iu</i>表示；对于可信网络，如果用户<i>u</i>对用户<i>v</i>信任，则<i>tu,v</i>表示代表了用户<i>u</i>对用户<i>v</i>的可信值，0表示不信任，而1表示完全信任；定义<i>TUu=</i>{<i>v</i><img file="303824DEST_PATH_IMAGE002.GIF" wi="17" he="17" /><i>U</i>| <i>tu,v</i> =1}，该集合定义了用户<i>u</i>直接可信的用户集合，则可信网络可定义成一个DAG图G=<<i>u</i>,<i>Tu</i>>，其中<i>Tu</i>={(<i>u</i>, <i>v</i>)|<i>u</i><img file="450814DEST_PATH_IMAGE002.GIF" wi="17" he="17" /><i>U</i>, <i>v</i><img file="948792DEST_PATH_IMAGE002.GIF" wi="17" he="17" /><i> TUu</i> }，其中该图的顶点表示每一个用户，而边表示两顶点的信任关系；2）将<i>u</i>作为源点，计算停留在用户<i>u</i>上的停止概率，然后随机判定是否停留在用户<i>u</i>上，如果选择停留，则跳转到步骤5），否则执行步骤3）；停留在用户<i>u</i>上的停止概率的计算公式如式(1)所示：<img file="517177DEST_PATH_IMAGE003.GIF" wi="246" he="54" />(1)其中<i>Iu</i>表示用户<i>u</i>评过分的项目集合，<img file="733394DEST_PATH_IMAGE004.GIF" wi="105" he="38" />表示<i>Iu</i>中的元素与目标项目<i>i</i>相似度的最大值；其中<i>sim</i>(<i>i,j</i>)的计算公式如式(2)所示：<img file="678216DEST_PATH_IMAGE005.GIF" wi="204" he="60" />(2)其中|<i>Uij</i>|表示同时对目标项目<i>i</i>和项目<i>j</i>进行评分的用户集合的个数，<i>corr</i>(<i>i, j</i>)的计算公式如式(3)所示：<img file="93017DEST_PATH_IMAGE006.GIF" wi="284" he="87" />(3)其中<i>Ru,i</i>表示用户<i>u</i>对项目<i>i</i>的评分值，<img file="35565DEST_PATH_IMAGE007.GIF" wi="21" he="21" />表示用户<i>u</i>评分的项目集合<i>Iu</i>的均值，<i>Uij</i>表示同时对项目<i>i</i>和项目<i>j</i>评过分的用户集合；3）假设第<i>s</i>步漫步到用户<i>v</i>，如果用户<i>v</i>对目标项目<i>i</i>已经评分，则结束随机漫步，跳转到步骤6）；如果用户<i>v</i>未对目标项目<i>i</i>评分，则随机的决定是否停留在用户<i>v</i>上，如果选择停留在<i>v</i>上，则结束随机漫步，跳转到步骤7），否则跳转到步骤4）；4）在用户<i>v</i>的直接可信集合<i>TUv</i>中随机选择一个用户<i>w</i>，如果用户<i>w</i>对目标项目<i>i</i>已经评分，则结束随机漫步，跳转到步骤6）；如果随机漫步的步长大于等于深度阈值6，则结束随机漫步并跳转到步骤7）；否则跳转到步骤3）；第<i>s</i>步在用户<i>v</i>且第<i>s</i>+1步在用户<i>w</i>的概率的计算公式如式(4)所示：<img file="535817DEST_PATH_IMAGE008.GIF" wi="197" he="51" />(4)其中|<i> TUv</i> |表示用户<i>v</i>直接可信的用户集合的个数，<img file="956434DEST_PATH_IMAGE009.GIF" wi="13" he="26" /><i>v,i,s</i>表示用户停留在用户<i>v</i>上的概率，其计算公式如式(5)所示：<img file="491321DEST_PATH_IMAGE010.GIF" wi="207" he="63" />(5)其中<i>s</i>表示随机漫步的步长，<i>Iv</i>表示用户<i>v</i>评过分的项目集合，<img file="401508DEST_PATH_IMAGE011.GIF" wi="75" he="27" />表示<i>Iv</i>中的集合中与目标项目<i>i</i>相似度的最大值；5）预测在线用户<i>u</i>对目标项目<i>i</i>的评分，其预测公式如(6)所示：<img file="326738DEST_PATH_IMAGE012.GIF" wi="231" he="71" />(6)其中<img file="613363DEST_PATH_IMAGE009.GIF" wi="13" he="26" /><i>u,i,</i>1表示随机漫步停留在用户<i>u</i>上的概率，<i>Iu</i>表示用户<i>u</i>评过分的项目集合，<i>Ru,l</i>表示用户<i>u</i>对项目<i>l</i>的评分，<i>sim</i>(<i>i,j</i>)表示项目<i>i</i>和项目<i>j</i>的相似度；6）定义用户<i>u</i>到用户<i>v</i>所经过的路径顶点集合为<i>Suv</i>，首先计算用户<i>u</i>到用户<i>v</i>的路径长度，其计算公式如式(7)所示：<img file="940439DEST_PATH_IMAGE013.GIF" wi="270" he="48" />(7)其中，<i>w</i>表示<i>Suv</i>中<i>v</i>的前一顶点，定义<img file="287107DEST_PATH_IMAGE014.GIF" wi="54" he="21" />=1，预测在线用户<i>u</i>对目标项目<i>i</i>的评分，其预测公式如式(8)所示：<img file="699634DEST_PATH_IMAGE015.GIF" wi="228" he="96" />(8)其中<i>Rv,i</i>表示用户<i>v</i>对目标项目的评分，根据步骤3）的说明可知该随机漫步停留在了用户<i>v</i>上，|<i>Suv</i>|表示路径顶点集合的个数，其值小于6；7）预测在线用户<i>u</i>对目标项目<i>i</i>的评分，其预测公式如(9)所示：<img file="524370DEST_PATH_IMAGE016.GIF" wi="336" he="96" />(9)该步骤中|<i>Suv</i>|表示路径顶点集合的个数，|<i>Suv</i>|最大值为深度阈值6，然后结束随机漫步，并在该用户上来预测在线用户对目标项目<i>i</i>的评分，<i>Iv</i>表示用户v评过分的项目集合；8）根据预测的评分将在线用户<i>u</i>最有可能感兴趣的<i>N</i>个项目推荐给该用户。 |
