38、基于社会平衡理论与协同过滤的服务推荐方法解析

基于社会平衡理论与协同过滤的服务推荐方法解析

在服务推荐领域，传统基于协同过滤（CF）的方法在数据稀疏的情况下往往效果不佳，例如目标用户没有相似朋友，目标服务也没有相似服务的场景。为解决这类问题，一种结合社会平衡理论（SBT）和协同过滤的新型服务推荐方法RecSBT + CF被提出。

1. 社会平衡理论简介

社会平衡理论由F. Heider于1958年首次提出，该理论分析了三方（P、O和X）之间稳定和不稳定的社会关系。在服务推荐中，主要采用以下两种稳定的社会关系：
- 朋友的朋友是朋友 ：如果O是P的朋友，X是O的朋友，那么X可能是P的朋友。
- 敌人的敌人是朋友 ：如果O是P的敌人，X是O的敌人，那么X可能是P的朋友。

这两种关系可以帮助我们在已知目标用户的直接朋友或敌人的情况下，推断出目标用户的可能朋友，为后续的服务推荐提供基础。

2. RecSBT + CF服务推荐方法

RecSBT + CF方法的核心思想是先基于社会平衡理论和协同过滤找出目标用户的“可能朋友”，然后将这些“可能朋友”偏好的服务推荐给目标用户。该方法具体包含以下四个步骤：
1. 用户相似度计算 ：根据调整余弦相似度计算不同用户之间的相似度。对于任意两个用户$user_i$和$user_j$（$user_i, user_j \in USER$且$i \neq j$），其相似度$Sim(user_i, user_j)$计算公式如下：
[
Sim(user_i, user_j) = \frac{\sum_{w_{sk}