基于移動(dòng)通信的信任推薦模型的構(gòu)建方法及其構(gòu)建系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信息過濾中的推薦技術(shù)研究領(lǐng)域，具體地，涉及一種基于移動(dòng)通信的 信任推薦模型的構(gòu)建方法及其構(gòu)建系統(tǒng)。
【背景技術(shù)】
[0002] 隨著移動(dòng)通信技術(shù)的發(fā)展和智能設(shè)備的普及，越來越多的人傾向于通過智能手 機(jī)、平板來獲取信息和服務(wù)。與此同時(shí)，在移動(dòng)互聯(lián)網(wǎng)環(huán)境中，信息資源的獲取和推送可以 不受時(shí)間、地點(diǎn)和方式的限制，為用戶提供無處不在的信息資源已成為可能，移動(dòng)智能終端 已經(jīng)成為人們獲取信息的主要平臺(tái)之一（如利用智能手機(jī)瀏覽新聞，欣賞音樂或電影，使 用微博、微信等）。但是移動(dòng)互聯(lián)網(wǎng)服務(wù)和信息內(nèi)容的日益增長將逐漸超出人們所能接受的 范圍，加之移動(dòng)設(shè)備的界面顯示、終端處理、輸入/輸出等能力有限，為移動(dòng)用戶帶來沉重 的"信息過載"問題，導(dǎo)致移動(dòng)網(wǎng)絡(luò)資源利用率和用戶體驗(yàn)受到嚴(yán)重影響。
[0003] 推薦系統(tǒng)通過建立用戶與項(xiàng)目之間的二元關(guān)系，利用已有的選擇過程或相似性關(guān) 系挖掘每個(gè)用戶潛在感興趣的對(duì)象，進(jìn)而進(jìn)行個(gè)性化推薦，從而緩解了移動(dòng)互聯(lián)網(wǎng)信息過 載的問題。
[0004] 傳統(tǒng)互聯(lián)網(wǎng)推薦系統(tǒng)主要采用基于協(xié)同過濾推薦，基于內(nèi)容的推薦，混合推薦等 幾種推薦技術(shù)，對(duì)推薦項(xiàng)目的信任研究涉及較少，移動(dòng)互聯(lián)網(wǎng)與傳統(tǒng)互聯(lián)網(wǎng)的主要區(qū)別在 于用戶、接入網(wǎng)絡(luò)和終端，這使前者增加了移動(dòng)性、上下文感知、終端個(gè)人化等固有屬性，如 圖4所示。
[0005] 那么設(shè)計(jì)一種涉及信任研究的基于移動(dòng)通信的信任推薦模型的構(gòu)建方法及其系 統(tǒng)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供了一種基于移動(dòng)通信的信任推薦模型的構(gòu)建方法及其系統(tǒng)， 該方法和系統(tǒng)克服了對(duì)推薦項(xiàng)目的信任研究涉及較少，實(shí)現(xiàn)了能全面地、準(zhǔn)確地、客觀地量 化被推薦用戶與鄰居用戶之間在移動(dòng)通信網(wǎng)中的信任關(guān)系。
[0007] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供了基于移動(dòng)通信的信任推薦模型的構(gòu)建方法，其 特征在于，該方法包括：
[0008] 步驟1，計(jì)算被推薦用戶U1與鄰居用戶U ,之間的通信信任值
[0009] 步驟2,計(jì)算被推薦用戶U1和鄰居用戶U ,之間的評(píng)價(jià)相似度信任值I
[0010] 步驟3,計(jì)算被推薦用戶U1和鄰居用戶U ,之間的傳遞信任值;
[0011] 步驟4，通過以下公式得出綜合信任值T1,:
[0014] 其中，02和β 3為權(quán)衡系數(shù)。
[0015] 優(yōu)選地，在步驟1中，計(jì)算被推薦用戶U1與鄰居用戶U ,之間的通信信任值If的方 法包括：
[0016] 推薦系統(tǒng)接收被推薦用戶1^請(qǐng)求通話頻次和/或短信頻次的命令，并響應(yīng)所述被 推薦用戶U 1相對(duì)應(yīng)的請(qǐng)求，所述推薦系統(tǒng)提供所述被推薦用戶U i和鄰居用戶U ,之間的通 信數(shù)據(jù)；
[0017] 通過下述公式計(jì)算所述被推薦用戶U1和鄰居用戶U ,之間的通話信任值:
其中，1?為所述被推薦用戶U1與所述鄰居用戶u ,之間的通話 頻次，N為鄰居總數(shù)；
[0019] 通過下述公式計(jì)算所述被推薦用戶U1和鄰居用戶U ,之間的短信信任值:
[0020]
其中，k' U為所述被推薦用戶U i與所述鄰居用戶U ,之間的 短?目頻次；
[0021] 所述被推薦用戶U1根據(jù)通訊錄分組以及最近通信詳情將通信用戶U ,動(dòng)態(tài)生成信 任等級(jí)評(píng)分Rlj,其中，所述RljX)且K 1 ;
[0022] 通過下述的公式計(jì)算被推薦用戶U1與鄰居用戶U ,之間的通信信任值：
[0024] 優(yōu)選地，在步驟2中，計(jì)算被推薦用戶U1和鄰居用戶U ,之間的評(píng)價(jià)相似度信任值 的方法包括：
[0025] 預(yù)設(shè)通信用戶集Ue，為與所述被推薦用PU1有直接交互，且預(yù)設(shè)所述通信用戶集 Uc與所述鄰居用戶U ,有直接交互；
[0026] 計(jì)算所述被推薦用戶U1與所述通信用戶集U ε之間的通信信任向量;
[0027] 計(jì)算所述鄰居用戶U,與所述通信用戶集U ^之間的通信信任向量尤(62/);
[0028] 通過下述的公式計(jì)算被推薦用戶U1和鄰居用戶U ,之間的評(píng)價(jià)相似度信任值T| :
[0029]
;其中，η為所述通信用戶集Uc的總數(shù)，所述為所述 被推薦用戶U1與所述通信用戶集U e中的第k i個(gè)通信信任向量。
[0030] 優(yōu)選地，在步驟3中，計(jì)算被推薦用戶U1和鄰居用戶U ,之間的傳遞信任值 < 的方 法包括：
[0031] 通過下述的公式計(jì)算被推薦用戶U1和鄰居用戶U ,之間的傳遞信任值：C :
[0033] 優(yōu)選地，該方法還包括：
[0034] 步驟5,獲取所述被推薦用戶1^的鄰居集U和所述被推薦用戶1感興趣的Item集 I，其中，N為鄰居總數(shù)；
[0035] 通過如下公式計(jì)算所述被推薦用戶1^對(duì)Item集I的評(píng)分：
[0(
_其中，所述為鄰居集U對(duì)Item集I的評(píng)分集合。
[0037] 本發(fā)明還提供一種基于移動(dòng)通信的信任推薦模型的構(gòu)建系統(tǒng)，該系統(tǒng)包括：
[0038] 計(jì)算被推薦用戶U1與鄰居用戶U ,之間的通信信任值^的系統(tǒng)；
[0039] 計(jì)算被推薦用戶U1和鄰居用戶U ,之間的評(píng)價(jià)相似度信任值的系統(tǒng)；
[0040] 計(jì)算被推薦用戶U1和鄰居用戶U ,之間的傳遞信任值？：/的系統(tǒng)；
[0041] 通過以下公式得出綜合信任值T1,的系統(tǒng)：
[0044] 其中，02和β 3為權(quán)衡系數(shù)。
[0045] 優(yōu)選地，計(jì)算被推薦用戶U1與鄰居用戶U ,之間的通信信任值^的系統(tǒng)包括：
[0046] 推薦系統(tǒng)接收被推薦用戶1^請(qǐng)求通話頻次和/或短信頻次的命令，并響應(yīng)所述被 推薦用戶U 1相對(duì)應(yīng)的請(qǐng)求，所述推薦系統(tǒng)提供所述被推薦用戶U i和鄰居用戶U ,之間的通 信數(shù)據(jù)；
[0047] 通過下述公式計(jì)算所述被推薦用戶U1和鄰居用戶U ,之間的通話信任值巧的系 統(tǒng)：
[0048] 其中，為所述被推薦用戶U1與所述鄰居用戶U ,之間的通話 頻次，N為鄰居總數(shù)；
[0049] 通過下述公式計(jì)算所述被推薦用戶U1和鄰居用戶U ,之間的短信信任值Tf的系 統(tǒng)：
[0050] 其中，k' U為所述被推薦用戶U1與所述鄰居用戶U ,之間的 短?目頻次；
[0051] 所述被推薦用戶U1根據(jù)通訊錄分組以及最近通信詳情將通信用戶U ,動(dòng)態(tài)生成信 任等級(jí)評(píng)分Rlj,其中，所述RljX)且K 1 ;
[0052] 通過下述的公式計(jì)算被推薦用戶U1與鄰居用戶U ,之間的通信信任值的系統(tǒng)：
[0054] 優(yōu)選地，計(jì)算被推薦用戶U1和鄰居用戶U ,之間的評(píng)價(jià)相似度信任值0勺系統(tǒng)包 括：
[0055] 預(yù)設(shè)通信用戶集仏為與所述被推薦用戶U1有直接交互的系統(tǒng)，且預(yù)設(shè)所述通信用 戶集U e與所述鄰居用戶U ,有直接交互的系統(tǒng)；
[0056] 計(jì)算所述被推薦用戶U1與所述通信用戶集Uc之間的通信信任向量Λ?'7/'?的系統(tǒng)；
[0057] 計(jì)算所述鄰居用戶U,與所述通信用戶集Uc之間的通信信任向量的系統(tǒng)；
[0058] 通過下述的公式計(jì)算被推薦用戶U1和鄰居用戶U ,之間的評(píng)價(jià)相似度信任值Τ,f的 系統(tǒng)：
[0059]
;其中，η為所述通信用戶集Uc的總數(shù)，所述為所述 被推薦用戶U1與所述通信用戶集U e中的第k i個(gè)通信信任向量。
[0060] 優(yōu)選地，計(jì)算被推薦用戶U1和鄰居用戶U ,之間的傳遞信任值的系統(tǒng)包括：
[0061] 通過下述的公式計(jì)算被推薦用戶U1和鄰居用戶U,之間的傳遞信任值的系統(tǒng)：
[0062] 優(yōu)選地，該系統(tǒng)還包括：
[0063] 獲取所述被推薦用戶1^的鄰居集U和所述被推薦用戶1^感興趣的Item集I的系 統(tǒng)，其中，N為鄰居總數(shù)；
[0064] 通過如下公式計(jì)算所述被推薦用戶1^對(duì)Item集I的評(píng)分的系統(tǒng)：
[0065]
;其中，所述為鄰居集U對(duì)Item集I的評(píng)分集合。
[0066] 通過上述的實(shí)施方式，本發(fā)明利用移動(dòng)通信引入了通信信任、相似度信任和傳遞 信任的三個(gè)信任度的計(jì)算方法，依次計(jì)算三者的值，通過最終的綜合數(shù)據(jù)計(jì)算出綜合信任 度，量化了推薦用戶與鄰居用戶之間在移動(dòng)通信網(wǎng)中的信任關(guān)系，并提出了一種基于信任 的協(xié)同過濾推薦系統(tǒng)模型，本發(fā)明實(shí)現(xiàn)了能全面地、準(zhǔn)確地、客觀地量化被推薦用戶與鄰居 用戶之間在移動(dòng)通信網(wǎng)中的信任