推荐星级：
- 1
- 2
- 3
- 4
- 5
一种基于云模型的社交网络推荐系统评分预测方法
资料介绍
本文针对评分预测中用户评分主观性及评分数据稀疏带来的预测不准确问题,围绕社交推荐的特点,设计实现一种社交网络评分预测方法.首先,针对评分主观性问题,引入并优化相关云模型理论,提出采用综合云模型生成评分标准并转化用户评分的方法.其次,针对预测不准确问题,通过引入隶属度达到数据降维和目标用户定位的作用,同时考虑到社交网络用户关系对评分结果的影响,分别利用社交关系及相似群体建立两个评分预测模型,并基于高斯变换融合两部分预测结果生成预测评分.实验表明,该方案不仅克服了用户评分主观性,同时有效改善了用户评分数据稀疏情况下传统预测方法准确度偏差的问题.
部分文件列表
| 文件名 | 大小 |
| 一种基于云模型的社交网络推荐系统评分预测方法.pdf | 2M |
部分页面预览
（完整内容请下载后查看）7
Vol． 46 No． 7
Jul． 2018
第
期
电
子
学
报
2018
7
ACTA ELECTRONICA SINICA
年
月
一种基于云模型的社交网络推荐系统评分
预测方法
， ， ， ，
肖云鹏 孙华超 戴天骥 李 茜 李 暾
(
，
重庆邮电大学网络与信息安全技术重庆市工程实验室 重庆
400065)
:
，
本文针对评分预测中用户评分主观性及评分数据稀疏带来的预测不准确问题 围绕社交推荐的特点
，
摘
要
． ， ， ，
设计实现一种社交网络评分预测方法 首先 针对评分主观性问题 引入并优化相关云模型理论 提出采用综合云模型
． ， ，
生成评分标准并转化用户评分的方法 其次 针对预测不准确问题 通过引入隶属度达到数据降维和目标用户定位的
， ， ，
作用 同时考虑到社交网络用户关系对评分结果的影响 分别利用社交关系及相似群体建立两个评分预测模型 并基
． ， ，
于高斯变换融合两部分预测结果生成预测评分 实验表明 该方案不仅克服了用户评分主观性 同时有效改善了用户
．
评分数据稀疏情况下传统预测方法准确度偏差的问题
:
;
;
;
关键词
中图分类号
URL: http: / /www． ejournal． org． cn
社交网络 推荐系统 评分预测 云模型
:
TP393
:
A
: 0372-2112 ( 2018) 07-1762-06
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 07． 032
文献标识码
文章编号
电子学报
A Rating Prediction Method Based on Cloud Model in Social
Recommendation System
XIAO Yun-peng，SUN Hua-chao，DAI Tian-ji，LI Qian，LI Tun
( Chongqing Engineering Laboratory of Internet and Information Security，
Chongqing University of Posts and Telecommunications，Chongqing 400065，China)
Abstract: Focusing on the issues of rating prediction such as subjectivity of user rating and inaccurate prediction
caused by rating sparsity，a rating prediction method is proposed by introducing the characteristics of social recommendation．
Firstly，aiming at the subjective of user rating，we introduce and optimize the cloud model theory． Then，a method to generate
rating standard by synthetical cloud model and transform user rating under the standard is proposed． Secondly，to deal the
problem of inaccurate score prediction caused by data sparseness，data dimension reduction and target user location are a-
chieved by introducing membership degree． And taking into account that user rating can be affected by their social relation-
ship，we try to learn two rating prediction models by respectively using social relationships and similar groups． Finally，the
rating value is obtained by using Gauss transform to combine the two prediction models． Experimental results show that our
method not only overcomes subjectivity of user rating，but also alleviates the poor accuracy caused by rating sparsity problem
in traditional rating prediction methods．
Key words: social network; recommendation system; rating prediction; cloud model
，
进型尽管在预测精度上取得了较好的效果 但仍然存
1
引言
在着评分主观性以及评分数据稀疏导致的预测不准
［4 ～ 6］
互联网时代推荐系统可以有效帮助用户进行信
．
，
为了消除评分主观性的影响 研究者们
确问题
， ．
息过滤 同时满足用户对信息的个性化需求 推荐技
． ［7］
对此进行了研究 文献 在隐语义模型的优化函数
． ［8］
中加入用户偏置参数和物品偏置参数 文献 针对
，
术最初是从协同过滤发展而来的 协同过滤主要处理
［1，2］
，
同行评审系统中 评分主观性造成的不公平最终决
．
，
目前 协同过滤的发展已从单
的是评分预测问题
，
定 提出了一种被称作
CONCERT
的上下文感知审稿
纯利用用户和物品信息预测评分到加入辅助信息来
［3］
． ，
人交叉分配方法 上述文献虽对评分做出了调整 但
．
提高模型的预测精度
现有的评分预测方法及其改
: 2017-08-07;
: 2018-02-10;
:
责任编辑 李勇锋
收稿日期
修回日期
:
基金项目 国家
973
( No． 2013CB329606) ;
( No． 61772098) ;
( No． cstc2017zdcy-
重庆市重点研发项目
重点基础研究发展计划
国家自然科学基金
zdyf0299，No． cstc2017zdcy-zdyf0436) ;
( No． cstc2017jcyjAX0099)
重庆市基础科学与前沿技术研究项目
1763
7
:
肖云鹏 一种基于云模型的社交网络推荐系统评分预测方法
第
期
，
都没从原始评分数据入手 因此所做出的调整有限
．
，
性的转换 它可以将一定数量的多维数字集合
X = { x |
j
，
进一步 针对评分数据稀疏造成的预测不准确问题
，
x = ( x ，x ，…，x )
ji
( Ex …Ex | En …
转换为以数字特征
1
j
j1
j2
i
1
、
研究者们提出了矩阵分解 机器学习等与其他模型融
En | He …He )
i
，
表示的概念 其中
i = 1，2，…，n．
i
1
，
合的方 法 有 效 的 改 善 了 评 分 数 据 稀 疏 带 来 的 问
2. 2
综合云模型
［9］
［10］
．
，
其中 云模 型由于其可以定性的表示一个概
题
3
( SC) ，
综合云模型 一种可用于将两个同一
定义
，
念的特性 以及具有定量数值与定性概念相互转换的
，
层次的概念合并为一个较高层次的综合概念的模型
， ． ［11］
能力 而被应用到推荐系统中 文献 引入云模型
C ( Ex ，En ，He ) C ( Ex ，En ，
和
2
给定两 个 一 维 云
He ) ， SC( C ，C )
1
1
1
1
2
2
， ，
概念 在整体层面上考虑用户相似度的计算 克服了
其通过
合并后生成较高层次概念的父
2
2
1
传统基于向量的相似度比较方法严格匹配对象属性
C( Ex，En，He) ．
云为
． ， ［12］
的不足 在此基础上 文献 对其相似度计算进一
3
基于云模型的评分预测方法
，
步改进 通过比较正态云模型的期望曲线实现相似度
3. 1
方法概述
．
的定量表示 以上两种方法在一定程度上缓解了评分
， ，
针对评分标准不统一及预测不准确问题 首先 利
，
稀疏带来的问题 但其从整体层面上考虑用户相似
，
用云模型定量数值到定性概念转换的特点 设计一种
，
度 损失了一定的评分信息
．
， ．
评分转换方法 使每个用户评分在同一个标准下 其次
，
2
相关知识
，
在隶属度相关理论的基础上 考虑到社交因素的影响
，
2. 1
云模型
，
分别利用好友群体及相似群体构建两个预测模型 并
1
( FCG) ，
是从定性到定
定义
正向正态云发生器
，
对其使用高斯变换进行融合构成综合评分预测方法
最后通过对评分转换方法逆向还原得到最终预测评
KMeans
，
量的映射 它可以将定性的云特征值
( Ex …Ex | En …
1
1
i
En | He …He ) ( i = 1，2，…，n)
i
，
转化为定量的云滴分布
，
．
算法聚类获取 整体系
分 其中相似群体通过
i
1
( x ，u )
i
．
云滴用序对
表示
1
统框图如图 所示
．
i
2
( RCG) ，
是从定量到定
定义
逆向正态云发生器
更多>>
最新上传
- 打赏
- 30日榜单
-
21ic小能手 打赏10.00元 1天前
-
21ic小能手 打赏20.00元 1天前
-
21ic小能手 打赏20.00元 1天前
-
注册1 打赏0.01元 2天前
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.05元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
用户：xlhtracy
-
注册1 打赏0.01元 2天前
-
注册1 打赏0.01元 2天前
用户：21ic下载
-
注册1 打赏0.01元 2天前
用户：21ic下载
-
21ic小能手 打赏0.03元 2天前
用户：21ic下载
-
21ic小能手 打赏0.01元 2天前
用户：21ic下载
-
21ic小能手 打赏0.01元 2天前
用户：21ic下载
-
21ic小能手 打赏0.02元 2天前
全部评论(0)