本发明专利技术公开了一种基于Trust‑Walker的信任推荐模型，包括如下步骤：步骤一、确定用户之间的信任关系；步骤二、根据共同信任用户数量对用户之间的信任关系进行修正；步骤三、在用户间基于信任关系进行随机游走获得用户的信任关系和项目评分；步骤四、根据项目之间的相似度对待推荐项目进行评分预测；步骤五、根据修正后的信任度得到修正后的待推荐项目的预测评分。本发明专利技术具有缓解用户信任关系的数据稀疏性，使推荐模型的可扩展性和计算效率得到提高。
【技术实现步骤摘要】
一种基于Trust-Walker的信任推荐模型
本专利技术涉及信息安全
，更具体的是，本专利技术涉及一种基于Trust-Walker的信任推荐模型。
技术介绍
基于Trust-Walker的信任推荐模型为用户快速准确推荐合适资源提供了便捷可靠的实现方案，为了缓解传统推荐系统所面临的数据稀疏性和冷启动问题，充分利用信任关系构建基于Trust-Walker的信任推荐模型，推荐精度提高的同时，也带来了海量数据下推荐系统可扩展性困难和计算效率低的问题。如何缓解数据稀疏性，冷启动和提高推荐精度，同时又提高可扩展性和计算效率，是当前研究面临的主要难点。现有方法大多基于信任关系对传统协同过滤推荐进行相应的改进优化，但却忽视了基于信任的推荐研究还有很多不足，相关的研究还处于初始阶段，另外由于大数据背景下随着海量数据的出现和数据爆炸性的增长，导致给现有推荐模式带来了极大困难，推荐可扩展性和计算效率下降，为此，提出了在大数据处理平台上进行并行化处理方法。
技术实现思路
本专利技术的目的是设计开发了一种基于Trust-Walker的信任推荐模型，基于Trust-Walker充分利用信任关系构建信任推荐模型，并对信任模型的信任度进行修正，缓解用户信任关系的数据稀疏性；在Hadoop集群上进行并行化实验，在海量数据得以存储的基础上，通过实现MapReduce框架下的分布式计算，使推荐模型的可扩展性和计算效率得到提高。本专利技术提供的技术方案为：一种基于Trust-Walker的信任推荐模型，包括如下步骤：步骤一、确定用户之间的信任关系；步骤二、根据共同信任用户数量对用户之间的信任关系进行修正；步骤三、在用户间基于信任关系进行随机游走获得用户的信任关系和项目评分；步骤四、根据项目之间的相似度对待推荐项目进行评分预测；步骤五、根据修正后的信任度得到修正后的待推荐项目的预测评分。优选的是，所述信任关系通过用户之间的间接信任度获得，所述用户之间的间接信任度满足：式中，tu,v表示用户之间的间接信任度，p表示u用户与v用户之间的可以到达的路径，n表示用户之间可以到达的路径数目。优选的是，当所述u用户与v用户之间的可以到达的路径为单路径p＝(u,a,bLn,v)时，所述用户之间的间接信任度满足：t1(u,v)＝w·tu,a·ta,bLtn,v；式中，w表示信任衰减因子，tu,a，ta,b，Ltn,v表示用户之间的直接信任度，n≤6。优选的是，所述信任衰减因子满足：式中，pmax表示信任传递的最大步长，pu,v表示在信任关系网络中两个用户之间的信任传递路线的长度，n≤6。优选的是，所述对用户之间的信任关系进行修正满足：式中，Tv表示v用户的所有信任用户的数据集合，Tu表示u用户的所有信任用户的数据集合，Tu∩Tv表示u用户和v用户之间的共同信任用户的数量，t*u,v表示修正后的间接信任度。优选的是，所述随机游走在第k步从用户u跳转到用户v的条件概率满足：式中，表示项目相似度的修正值，TUu表示用户u的用户信任集合，RIu表示用户u所评价过的项目集合。优选的是，所述项目相似度的修正值满足：式中，corr(i,j)表示项目相似度，UCi,j表示评价过项目i和项目j的用户总数。优选的是，所述项目相似度满足：式中，u∈Ui,j表示共同评价过项目i和项目j的用户集合，ru,i表示用户u对项目i的评分，ru,j表示用户u对项目j的评分，为用户u的平均评分，为用户u的加权平均评分。优选的是，所述步骤四中对待推荐项目进行评分预测满足：式中，r’u,i表示待推荐项目i的评分预测，P(XYu,i＝(v,j))表示目标节点基于随机游走算法游走到结点v并从v的已有评分集合中选择项目j的概率，rv,j表示用户v对项目j的评分，Rv,j表示基于随机游走算法用户v对项目j的评分矩阵。优选的是，所述修正后的待推荐项目的预测评分满足：式中，r”u,i表示修正后的待推荐项目的预测评分，P(XYu,i＝(v,j))表示目标节点基于随机游走算法游走到结点v并从v的已有评分集合中选择项目j的概率，表示间接信任度，Tv表示v用户的所有信任用户的数据集合，Tu表示u用户的所有信任用户的数据集合，Tu∩Tv表示u用户和v用户之间的共同信任用户的数量，f(p)表示用户之间共同信任用户的奇偶数概率。本专利技术所述的有益效果：(1)本专利技术提供的基于Trust-Walker的信任推荐模型，针对用户在大数据背景下基于信任推荐系统的推荐，先构建一种信任关系传播模型。基于初始的直接信任关系，借助信任的传播特性，依赖于一定的规则，计算用户的间接信任关系，填充和扩展信任网络，缓解用户信任关系数据的稀疏性问题。(2)本专利技术提供的基于Trust-Walker的信任推荐模型，通过一定的方法对不同用户间的信任度进行了修正，使其更符合现实意义。(3)在修正的信任模型的基础上，构建一种基于信任的协同过滤的推荐模型，有效结合用户信任关系和用户兴趣偏好作为推荐的重要基础，进而提高推荐效果。该模型利用并改进了TrustWalker模型，主要在信任用户的选择和评分预测上进行了改进。一方面，基于扩展的信任网络进行随机游走，确保发现更多的用户信任关系和项目评分，另一方面利用修正的信任度赋予那些信任度高的用户的评分更高的权重，综合这方面的内容提高推荐的准确性和可信性。最后，在大数据环境下，面对海量数据的挑战，把改进的推荐模型在大数据处理平台上进行分布式并行计算，以此来提高算法的效率和增强算法的可扩展性。附图说明图1是本专利技术所述的Hadoop平台下扩展率性能的比较结果曲线。具体实施方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。本专利技术提供一种基于Trust-Walker的信任推荐模型，具体包括如下步骤：步骤一、确定多种路径信任传递下的用户之间的信任关系；(1)、研究信任传递的步长问题：信任衰减因子与信任传递的步长有关，其具体定义如式(1)所示：式中，w表示信任衰减因子，pmax表示信任传递的最大步长，PathLen＝6，pu,v表示在信任关系网络中两个用户之间的信任传递路线的长度。(2)在信任网络中，假定两个用户之间存在着一条可以到达的且是最短的信任传递路径p＝(u,a,bLn,v)，那么单路径信任传递下的用户之间的间接信任度的计算公式如式(2)所示：t1(u,v)＝w·tu,a·ta,bLtn,v,n≤6(2)式中，tu,v表示用户之间的间接信任度，tu,a、ta,b、tn,v表示用户之间的直接信任度。(3)采用以加权平均为基础的聚合计算多路径信任传递下的用户之间的间接信任度情况，计算公式如式(3)所示：<本文档来自技高网...
【技术保护点】
1.一种基于Trust-Walker的信任推荐模型，其特征在于，包括如下步骤：/n步骤一、确定用户之间的信任关系；/n步骤二、根据共同信任用户数量对用户之间的信任关系进行修正；/n步骤三、在用户间基于信任关系进行随机游走获得用户的信任关系和项目评分；/n步骤四、根据项目之间的相似度对待推荐项目进行评分预测；/n步骤五、根据修正后的信任度得到修正后的待推荐项目的预测评分。/n
【技术特征摘要】
1.一种基于Trust-Walker的信任推荐模型，其特征在于，包括如下步骤：
步骤一、确定用户之间的信任关系；
步骤二、根据共同信任用户数量对用户之间的信任关系进行修正；
步骤三、在用户间基于信任关系进行随机游走获得用户的信任关系和项目评分；
步骤四、根据项目之间的相似度对待推荐项目进行评分预测；
步骤五、根据修正后的信任度得到修正后的待推荐项目的预测评分。
2.如权利要求1所述的基于Trust-Walker的信任推荐模型，其特征在于，所述信任关系通过用户之间的间接信任度获得，所述用户之间的间接信任度满足：
式中，tu,v表示用户之间的间接信任度，p表示u用户与v用户之间的可以到达的路径，n表示用户之间可以到达的路径数目。
3.如权利要求2所述的基于Trust-Walker的信任推荐模型，其特征在于，当所述u用户与v用户之间的可以到达的路径为单路径p＝(u,a,bLn,v)时，所述用户之间的间接信任度满足：
t1(u,v)＝w·tu,a·ta,bLtn,v；
式中，w表示信任衰减因子，tu,a，ta,b，Ltn,v表示用户之间的直接信任度，n≤6。
4.如权利要求3所述的基于Trust-Walker的信任推荐模型，其特征在于，所述信任衰减因子满足：
式中，pmax表示信任传递的最大步长，pu,v表示在信任关系网络中两个用户之间的信任传递路线的长度，n≤6。
5.如权利要求4所述的基于Trust-Walker的信任推荐模型，其特征在于，所述对用户之间的信任关系进行修正满足：
式中，Tv表示v用户的所有信任用户的数据集合，Tu表示u用户的所有信任用户的数据集合，Tu∩Tv表示u用户和v用户之间的共同信任用户的数量，t*u,v表示修正后的间接信任度。
6.如权利要求5所述的基于Tru...
【专利技术属性】
技术研发人员：李晓会，李帅，路太宇，张兴，刘维军，
申请(专利权)人：辽宁工业大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。