交易系统中的推荐关系确定方法及装置的制造方法
交易系统中的推荐关系确定方法及装置的制造方法
【技术领域】
[0001] 本公开涉及计算机应用领域，特别涉及一种交易系统中的推荐关系确定方法及装 置。
【背景技术】
[0002] 电子商务市场的迅速发展给商家的设计、销售、服务提出了许多新要求，如何提供 一对一的客户关怀成为商家成功与否的决定性因素之一。
[0003] 推荐系统利用电子商务平台向客户提供商品信息和建议，帮助用户决定应该购买 什么产品，模拟销售人员帮助客户完成购买过程。如何提高推荐系统的推荐准确性和个性 化能力，已逐渐成为电子商务推荐系统成功应用的关键。
【发明内容】
[0004] 本公开实施例提供了一种推荐关系确定方法及装置，所述技术方案如下：
[0005] 根据本公开实施例的第一方面，提供了一种推荐关系确定方法，由计算机设备执 行，该方法包括：
[0006] 根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境组合的相 似度，所述信任情境用于表征两个用户之间存在交易时，商品购买者对交易商品的兴趣度； 一个所述信任情境组合中包含两个信任情境，且所述两个信任情境的商品购买者不同，商 品出售者相同；所述商品类型树用于表征各个商品所属类型之间的从属关系；
[0007] 根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户对共同交 易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两个用户之间存在交易时，商品 购买者对交易商品的商品特征的评价；
[0008] 根据所述每一组信任情境的相似度以及所述每两个用户对共同交易伙伴的信任 倾向之间的相似度计算每组潜在交易组合之间的间接信任度，所述潜在交易组合包括两个 未发生过交易的用户，所述间接信任度用于指示向一组潜在交易组合中的商品购买者推荐 该潜在交易组合中的商品出售者的可行性；
[0009] 根据所述每组潜在交易组合之间的间接信任度确定推荐关系。
[0010]可选的，对于包含第一信任情境和第二信任情境的一个信任情境组合，所述第一 信任情境的商品购买者为第一用户，所述第二信任情境的商品购买者为第二用户，所述一 组信任情境的商品出售者同为第三用户;所述根据商品类型树以及各个用户之间的交易商 品信息计算每一个信任情境组合的相似度，包括：
[0011]获取共同类型集合，所述共同类型集合为第一类型集合和第二类型集合的交集， 所述第一类型集合为所述第一用户与所述第三用户之间的交易商品的类型路径上的各个 类型组成的集合，所述第二类型集合为所述第二用户与所述第三用户之间的交易商品的类 型路径上的各个类型组成的集合;所述类型路径为所述商品类型树中，从通用类型到交易 商品的最小类型之间的路径;所述通用类型为所述商品类型树中处于最顶层的类型；
[0012] 计算所述第一用户对所述共同类型集合中每一个类型的兴趣度，以及所述第二用 户对所述共同类型集合中每一个类型的兴趣度；
[0013] 根据所述共同类型集合、所述第一用户对所述共同类型集合中每一个类型的兴趣 度以及所述第二用户对所述共同类型集合中每一个类型的兴趣度，计算所述信任情境组合 的相似度。
[0014] 可选的，所述计算所述第一用户对所述类型交集中每一个类型的兴趣度，包括：
[0015] 获取第一商品集合以及第二商品集合，所述第一商品集合为所述第一用户历史购 买过的商品的集合，所述第二商品集合为所述第一用户从所述第三用户处购买过的商品的 集合；
[0016] 根据所述第一商品集合、所述第二商品集合以及第一类型路径确定所述第一用户 对所述第一类型路径中各个类型的总兴趣度;所述第一类型为所述第一用户与所述第三用 户之间的交易商品的类型路径；
[0017] 获取所述第一类型路径中每一个类型下的子类型；
[0018] 根据所述总兴趣度以及所述第一类型路径中每一个类型下的子类型确定所述第 一用户对所述第一类型路径中的各个类型的兴趣度，所述第一类型路径中的各个类型包含 所述共同类型集合中的各个类型。
[0019] 可选的，所述根据所述每一组信任情境的相似度以及所述每两个用户对共同交易 伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度，包括：
[0020] 对于一组潜在交易组合，确定所述潜在交易组合中的两个用户之间的若干条信任 路径，所述信任路径中包含至少三个用户，所述信任路径分别以所述潜在交易组合中的商 品购买者为开始点，以所述潜在交易组合中的商品出售者为结束点，且所述信任路径中任 意的相邻两个用户之间发生过商品交易；
[0021] 确定所述若干条交易路径中的指定类型信任路径，所述指定类型信任路径是指所 述若干条信任路径中，每两条包含同一证人的信任路径，所述证人是与所述潜在交易组合 中的商品出售者发生过交易的用户；
[0022] 对于每一条指定类型信任路径，根据所述指定类型信任路径中每相邻两个用户对 应的信任情境组合的相似度、以及所述相邻两个用户对共同交易伙伴的信任倾向之间的相 似度，计算所述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的 间接?目任度；
[0023] 对于每一条指定类型信任路径，根据所述指定类型信任路径的长度计算所述指定 类型信任路径的可靠性；
[0024] 根据所述指定类型信任路径的数量、所述潜在交易组合中的商品出售者的证人集 合、每一条所述指定类型信任路径的可靠性以及每一条所述指定类型信任路径中、所述潜 在交易组合中的商品购买者对商品出售者的间接信任度，计算所述潜在交易组合之间的间 接信任度。
[0025] 可选的，所述根据所述每组潜在交易组合之间的间接信任度确定推荐关系，包括：
[0026] 对于一个商品购买者用户，确定所述商品购买者用户所在的各个潜在交易组合 中，间接信任度最高的至少一个潜在交易组合；
[0027] 将所述信任度最高的至少一个潜在交易组合中的商品出售者用户与所述商品购 买者用户之间的关系确定为推荐关系。
[0028] 根据本公开实施例的第二方面，提供了一种交易系统中的推荐关系确定装置，所 述装置设置在计算机设备中，所述装置包括：
[0029] 第一相似度计算模块，用于根据商品类型树以及各个用户之间的交易商品信息计 算每个信任情境组合的相似度，所述信任情境用于表征两个用户之间存在交易时，商品购 买者对交易商品的兴趣度;一个所述信任情境组合中包含两个信任情境，且所述两个信任 情境的商品购买者不同，商品出售者相同；所述商品类型树用于表征各个商品所属类型之 间的从属关系；
[0030] 第二相似度计算模块，用于根据各个用户对各自交易商品的商品特征的评价信息 计算每两个用户对共同交易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两个用 户之间存在交易时，商品购买者对交易商品的商品特征的评价；
[0031] 间接信任度计算模块，用于根据所述每一组信任情境的相似度以及所述每两个用 户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度，所 述潜在交易组合包括两个未发生过交易的用户，所述间接信任度用于指示向一组潜在交易 组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性；
[0032] 推荐关系确定模块，用于根据所述每组潜在交易组合之间的间接信任度确定推荐 关系。
[0033] 可选的，对于包含第一信任情境和第二信任情境的一个信任情境组合，所述第一 信任情境的商品购买者为第一用户，所述第二信任情境的商品购买者为第二用户，所述一 组信任情境的商品出售者同为第三用户;所述第一相似度计算模块，包括：
[0034] 集合获取单元，用于获取共同类型集合，所述共同类型集合为第一类型集合和第 二类型集合的交集，所述第一类型集合为所述第一用户与所述第三用户之间的交易商品的 类型路径上的各个类型组成的集合，所述第二类型集合为所述第二用户与所述第三用户之 间的交易商品的类型路径上的各个类型组成的集合;所述类型路径为所述商品类型树中， 从通用类型到交易商品的最小类型之间的路径;所述通用类型为所述商品类型树中处于最 顶层的类型；
[0035] 兴趣度计算单元，用于计算所述第一用户对所述共同类型集合中每一个类型的兴 趣度，以及所述第二用户对所述共同类型集合中每一个类型的兴趣度；
[0036] 相似度计算单元，用于根据所述共同类型集合、所述第一用户对所述共同类型集 合中每一个类型的兴趣度以及所述第二用户对所述共同类型集合中每一个类型的兴趣度， 计算所述信任情境组合的相似度。
[0037] 可选的，所述兴趣度计算单元，用于获取第一商品集合以及第二商品集合，所述第 一商品集合为所述第一用户历史购买过的商品的集合，所述第二商品集合为所述第一用 户从所述第三用户处购买过的商品的集合;根据所述第一商品集合、所述第二商品集合以 及第一类型路径确定所述第一用户对所述第一类型路径中各个类型的总兴趣度;所述第一 类型为所述第一用户与所述第三用户之间的交易商品的类型路径;获取所述第一类型路径 中每一个类型下的子类型;根据所述总兴趣度以及所述第一类型路径中每一个类型下的子 类型确定所述第一用户对所述第一类型路径中的各个类型的兴趣度，所述第一类型路径中 的各个类型包含所述共同类型集合中的各个类型。
[0038] 可选的，所述间接信任度计算模块，包括：
[0039] 第一路径确定单元，用于对于一组潜在交易组合，确定所述潜在交易组合中的两 个用户之间的若干条信任路径，所述信任路径中包含至少三个用户，所述信任路径分别以 所述潜在交易组合中的商品购买者为开始点，以所述潜在交易组合中的商品出售者为结束 点，且所述信任路径中任意的相邻两个用户之间发生过商品交易；
[0040] 第二路径确定单元，用于确定所述若干条交易路径中的指定类型信任路径，所述 指定类型信任路径是指所述若干条信任路径中，每两条包含同一证人的信任路径，所述证 人是与所述潜在交易组合中的商品出售者发生过交易的用户；
[0041] 第一间接信任度计算单元，用于对于每一条指定类型信任路径，根据所述指定类 型信任路径中每相邻两个用户对应的信任情境组合的相似度、以及所述相邻两个用户对共 同交易伙伴的信任倾向之间的相似度，计算所述指定类型信任路径中、所述潜在交易组合 中的商品购买者对商品出售者的间接信任度；
[0042] 可靠性计算单元，用于对于每一条指定类型信任路径，根据所述指定类型信任路 径的长度计算所述指定类型信任路径的可靠性；
[0043] 第二间接信任度计算单元，用于根据所述指定类型信任路径的数量、所述潜在交 易组合中的商品出售者的证人集合、每一条所述指定类型信任路径的可靠性以及每一条所 述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的间接信任度， 计算所述潜在交易组合之间的间接信任度。
[0044] 可选的，所述推荐关系确定模块，包括：
[0045] 组合确定单元，用于对于一个商品购买者用户，确定所述商品购买者用户所在的 各个潜在交易组合中，间接信任度最高的至少一个潜在交易组合；
[0046]关系确定单元，用于将所述信任度最高的至少一个潜在交易组合中的商品出售 者用户与所述商品购买者用户之间的关系确定为推荐关系。。
[0047] 本公开实施例提供的技术方案可以包括以下有益效果：
[0048] 通过根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境组合 的相似度，根据各个用户对各自交易商品的商品特征的评价信息计算每 两个用户对共同交 易伙伴的信任倾向之间的相似度，根据所述每一组信任情境的相似度以及所述每两个用户 对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度，并根 据所述每组潜在交易组合之间的间接信任度确定推荐关系，结合用户之间购买商品类型的 相似性以及用户对商品的评价的相似性来考虑用户之间的推荐是否可信，能够抵恶意评价 的欺骗攻击、降低信任风险以及提升推荐的个性化。
[0049] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制本公开。
【附图说明】
[0050] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施 例，并与说明书一起用于解释本公开的原理。
[0051] 图1是根据一示例性实施例示出的一种交易系统中的推荐关系确定方法的流程 图；
[0052]图2是根据另一示例性实施例示出的一种交易系统中的推荐关系确定方法的流程 图；
[0053]图3是根据一示例性实施例示出的一种交易系统中的推荐关系确定装置的框图； [0054]图4是根据另一示例性实施例示出的一种交易系统中的推荐关系确定装置的框 图；
[0055] 图5是根据一示例性实施例示出的一种装置的框图。
【具体实施方式】
[0056] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及 附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例 中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附 权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0057] 图1是根据一示例性实施例示出的一种交易系统中的推荐关系确定装置的框图方 法的流程图，该方法可以由计算机设备执行，该计算机设备可以是一台个人电脑、工作站、 网络服务器或者云服务平台等。如图1所示，该方法可以包括如下几个步骤：
[0058]步骤101，根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境 组合的相似度。
[0059] 其中，该信任情境用于表征两个用户之间存在交易时，商品购买者对交易商品的 兴趣度;一个该信任情境组合中包含两个信任情境，且该两个信任情境的商品购买者不同， 商品出售者相同；该商品类型树用于表征各个商品所属类型之间的从属关系。
[0060] 步骤102,根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户 对共同交易伙伴的信任倾向之间的相似度。
[0061] 其中，该信任倾向用于表征两个用户之间存在交易时，商品购买者对交易商品的 商品特征的评价。
[0062] 步骤103,根据该每一组信任情境的相似度以及该每两个用户对共同交易伙伴的 信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度。
[0063] 其中，该潜在交易组合包括两个未发生过交易的用户，该间接信任度用于指示向 一组潜在交易组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性。
[0064] 步骤104,根据该每组潜在交易组合之间的间接信任度确定推荐关系。
[0065] 综上所述，本公开实施例所示的方法，通过根据商品类型树以及各个用户之间的 交易商品信息计算每个信任情境组合的相似度，根据各个用户对各自交易商品的商品特征 的评价信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，根据所述每一组信 任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组 潜在交易组合之间的间接信任度，并根据所述每组潜在交易组合之间的间接信任度确定推 荐关系，结合用户之间购买商品类型的相似性以及用户对商品的评价的相似性来考虑用户 之间的推荐是否可信，能够抵恶意评价的欺骗攻击、降低信任风险以及提升推荐的个性 化。
[0066] 图2是根据另一示例性实施例示出的一种交易系统中的推荐关系确定装置的框图 方法的流程图，该方法可以由计算机设备执行，该计算机设备可以是一台个人电脑、工作 站、网络服务器或者云服务平台等。如图2所示，该方法可以包括如下几个步骤：
[0067]步骤201，根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境 组合的相似度。
[0068] 其中，该信任情境用于表征两个用户之间存在交易时，商品购买者对交易商品的 兴趣度;一个该信任情境组合中包含两个信任情境，且该两个信任情境的商品购买者不同， 商品出售者相同；该商品类型树用于表征各个商品所属类型之间的从属关系。
[0069] 其中，对于包含第一信任情境和第二信任情境的一个信任情境组合，该第一信任 情境的商品购买者为第一用户，该第二信任情境的商品购买者为第二用户，该一组信任情 境的商品出售者同为第三用户;实现根据商品类型树以及各个用户之间的交易商品信息计 算每个信任情境组合的相似度的步骤可以如下：
[0070] 1)获取共同类型集合，该共同类型集合为第一类型集合和第二类型集合的交集， 该第一类型集合为该第一用户与该第三用户之间的交易商品的类型路径上的各个类型组 成的集合，该第二类型集合为该第二用户与该第三用户之间的交易商品的类型路径上的各 个类型组成的集合;该类型路径为该商品类型树中，从通用类型到交易商品的最小类型之 间的路径;该通用类型为该商品类型树中处于最顶层的类型。
[0071] 2)计算该第一用户对该共同类型集合中每一个类型的兴趣度，以及该第二用户对 该共同类型集合中每一个类型的兴趣度。
[0072] 3)根据该共同类型集合、该第一用户对该共同类型集合中每一个类型的兴趣度以 及该第二用户对该共同类型集合中每一个类型的兴趣度，计算该信任情境组合的相似度。
[0073] 其中，在计算该第一用户对该类型交集中每一个类型的兴趣度时，可以获取第一 商品集合以及第二商品集合，该第一商品集合为该第一用户历史购买过的商品的集合，该 第二商品集合为该第一用户从该第三用户处购买过的商品的集合;根据该第一商品集合、 该第二商品集合以及第一类型路径确定该第一用户对该第一类型路径中各个类型的总兴 趣度;该第一类型为该第一用户与该第三用户之间的交易商品的类型路径;获取该第一类 型路径中每一个类型下的子类型;根据该总兴趣度以及该第一类型路径中每一个类型下的 子类型确定该第一用户对该第一类型路径中的各个类型的兴趣度，该第一类型路径中的各 个类型包含该共同类型集合中的各个类型。
[0074] 具体的，计算每个信任情境组合的相似度的算法可以如下：
[0075] ①设交易商品的类型集合为E，E = {ei，e2, . . .es}，其中s为网站Μ中，交易商品类 型的总数。为用户i历史交易商品的集合，Iueh为用户i与用户j交易的交易商品。
[0076] ②称用户i历史交易商品Iij直接隶属类型为Iij的最小类，记作min cateory(Iij)。 category(Iij)由用户i历史交易商品Iij的所属各个类型（最小类min cateory(Iij)、最小类 的父类、父类的父类…，直到通用类)组成。
[0077] ③设category(Iij) = {p〇，pi, · · ·ρη}，其中pn = mincategory(Iij)表示Iij的最小 类，Pn-iSpn的父类，依此类推，直到通用类p〇=丄。这样用户i的交易商品Iu类型集合 category中的元素？1，按照类的上下隶属关系形成了一条由通用类到最小类的长度为η类 型路径Path，Path为各类组成的有序集合Path=<p〇，pi, . .pi, . .ρη>集合中pi为pi+i的父 类。
[0078] @用户丨对03七6<^7(1^)类型交易商品1^的的总兴趣度为31(〇3七68(^7(1^))。
[0079]
[0080] 式中s为网站Μ中，交易商品类型的总数；I 为用户i历史交易商品的总数； categoryd^)由用户i历史交易商品b的所属类型的总数；|1^|为用户i参与类型min cateory(Iij)交易商品的次数;兴趣度函数π表示了用户i对category(Iij)类型的交易商品 的兴趣度，为方便简记作π。
[0081] 用户i对历史交易商品Iij的类型cateory(Iij)的兴趣度π应该等于类型路径Path 上的各类型兴趣度的总和。即对于类型路径Path=<pQ，Pl，. .pk，· ·ρη>，
）其 中v(pk)为用户对pk类型交易商品的兴趣度。下面定义类型pk的兴趣度函数v(p k)。
[0082] ?给定类型路径?81：11，？31：11=<。()41，.>，.411>，类型路径?31：11上的类。1 11的兴趣 度V(Pm)定义为：
[0083]
[0084]式中v(pm+1)为类pm的子类pm+1的兴趣度，brother(p m+i)为子类pm+i的兄弟数目。
[0085] 根据式
我们推导出类型路径Path上各 类型的兴趣度的递推计算表达式：
[0086]
式中v(Pn)为最小子类的总兴趣度；π为拍卖商品所述类型的兴趣 度；
[0087] 表达式km，m为类型路径的长度：
[0088]
[0089]
[0090]
[0091] 利用上述递推公式，我们可以得到用户i对交易商品1^的类型路径上各类型交易 商品的兴趣度，即对k所属类型集合cateoryd^)中各类型兴趣度。
[0092] 根据用户对1^所属类型集合cateoryd^)中各类型兴趣度，定义用户的兴趣向 量、用户的兴趣度向量。
[0093] ⑥设Ii为用户i历史交易商品的集合，IijEli为用户i与用户j交易的交易商品。Iij 对应的类型集合为cateory(Iij)，category(Iij) = {ρο,ρι, · · ·ρη}，其中pn = mincategory (Iij)表示Iij的最小类，则用户i参与竞买类型mincategorydij)交易商品的兴趣向量INT (i)S:INT(i) = [p0，pi，...，pn]。
[0094] ⑦设用户i的兴趣向量为ΙΝΤ(υ = [ρ0，Ρι，· · ·，pn]，v(Pj)表示用户i对Pj类型交易 商品的兴趣度，则定义用户i的兴趣度向量INTV(i)为：
[0095] INTV(i) = [v(p0),v(pi), ...,v(pn)]
[0096] 用户i、j、k，在信任情境TS(i，j)下，用户i与用户j交易商品Iij，
[0097] 在信任情境TS(k，j)下，用户k与用户j交易商品一山^^对应的类型集合分别为 category(Iij) = {ρο,ρι，…pn}、cateory(Ikj) = [qo，qi，…，qm]，其中，pn=min category (Iij)，qm=min category(Ikj)，category(Iij，Ikj)为共同类型集合，表示类型集合的交集， 即〇&七68〇巧（1。，11^) = 〇&七68〇巧（]^)1^&七68〇巧（11^)。用户：[、1^的兴趣度向量为預17(；0 = [ν(ρ0)，ν(ρι)，· · ·，ν(Ρη)]、ΙΝ??(1〇 = [ν(α())，ν(αι)，· . ·，v(qm)]，则信任情境TS(i，j)、TS (k，j)的相似性sim_TS为：
[0098]
[0099] 式中，V i(p)为用户i对p类型的交易商品的兴趣度，vk(p)为用户k对p类型的交易商 品的兴趣度，I category(Iij，Ikj) |为共同类型集合的基。sim_TS(TS(i，j)，TS(k, j))越大， 表示信任情境TS (i，j)、TS (k，j)的相似性越大；sim_TS (TS (i，j)，TS (k，j))越小，表示信任 情境TS (i，j)、TS (k，j)的相似性越小。
[0100] 步骤202,根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户 对共同交易伙伴的信任倾向之间的相似度。
[0101] 其中，该信任倾向用于表征两个用户之间存在交易时，商品购买者对交易商品的 商品特征的评价。
[0102] 其中，计算每两个用户对共同交易伙伴的信任倾向之间的相似度的方式如下： [0103] 信任倾向DT(Disposition to Trust)是指在网上交易环境下，主体根据个人的历 史经验以及所处的环境中的其他客体是否实现其承诺的预期，而产生与特定客体进行交易 时不同程度的信任。
[0104] 采用信誉反馈评分之间相似性来描述用户信任倾向相似性。下面给出信任倾向相 似性s im_DT的计算公式。
[0105] 设N(i)、N(j)为用户i、j的交易伙伴集合。SN(i，j)表示用户i、j的共同交易伙伴集 合，SP SN( i，j) = N( i) Π N( j)，则用户i、j的信任倾向相似性sim_DT(i，j):
[0106]
12 式中，Ck￡C为信誉关键因素集合C= {ci，C2, . . .，cn}中第k个信誉关键因素； 4(w)、分别为用户i、j对用户1在信誉关键因素下的信誉反馈评分(取值[0，1]); I SN(i，j) |表示用户i、j的交易伙伴集合的基。sim_DT(i，j)越大，表示用户i、j的信任倾向 相似性越强;sim_DT(i，j)越小，表示用户i、j的信任倾向相似性越弱。 2 步骤203,根据该每一组信任情境的相似度以及该每两个用户对共同交易伙伴的 信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度。
[0109] 其中，该潜在交易组合包括两个未发生过交易的用户，该间接信任度用于指示向 一组潜在交易组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性。
[0110] 计算每组潜在交易组合之间的间接信任度的过程，可以包括如下几个步骤：
[0111] 1)对于一组潜在交易组合，确定所述潜在交易组合中的两个用户之间的若干条信 任路径，所述信任路径中包含至少三个用户，所述信任路径分别以所述潜在交易组合中的 商品购买者为开始点，以所述潜在交易组合中的商品出售者为结束点，且所述信任路径中 任意的相邻两个用户之间发生过商品交易；
[0112] 2)确定所述若干条交易路径中的指定类型信任路径，所述指定类型信任路径是指 所述若干条信任路径中，每两条包含同一证人的信任路径，所述证人是与所述潜在交易组 合中的商品出售者发生过交易的用户；
[0113] 3)对于每一条指定类型信任路径，根据所述指定类型信任路径中每相邻两个用户 对应的信任情境组合的相似度、以及所述相邻两个用户对共同交易伙伴的信任倾向之间的 相似度，计算所述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者 的间接?目任度；
[0114] 4)对于每一条指定类型信任路径，根据所述指定类型信任路径的长度计算所述指 定类型信任路径的可靠性；
[0115] 5)根据所述指定类型信任路径的数量、所述潜在交易组合中的商品出售者的证人 集合、每一条所述指定类型信任路径的可靠性以及每一条所述指定类型信任路径中、所述 潜在交易组合中的商品购买者对商品出售者的间接信任度，计算所述潜在交易组合之间的 间接?目任度。
[0116] 该步骤的实现方式可以包括:模型构造、信任路径推导、信任路径合并、陌生用户 信任计算四个部分，具体如下：
[0117] 一、模型构造
[0118] ①给定时域t，用户i与用户j有过历史交易，则称用户i(j)对用户j(i)存在直接 ?目任_χ/。直接?目任,τ/表不为：
[0119]
[0120]式中，num_trans(i, j)表示在时域七内，用户i与用户j历史交易次数;ρ(0<ρ<1) 为时间衰减因子，表示越近期的交易，其相应的反馈评分权重越大，引入Ρ，旨在加强防范用 户j积累一定的历史信誉后，对用户i实施欺诈；
.表示用户i与用户j第 k次历史交易时，对用户j的平均信誉反馈评分。
[0121]②给定用户i及其潜在交易用户j，设TS(i，j)为用户i、j的信任情境，则对于用户 k，在信任情境TS(i，j)下的可信任用户集合TN(k)定义为：
[0122]
[0123] 式中xeN(k)，表不用尸
k的)力史父易伙伴；$表示用户i对用户k的直接信任度； sim_DT(k，x)表示用户i，k的信任倾向相似性;8加_了5[了5(1，」），了5仏4)]表示信任情境丁5 (1，」）35仏，1)的相似性$表示最小信任度阈值（由用户给定）。
[0124] ③给定时域t，用户i及其交易伙伴集合N(i)，设用户j为用户i的陌生的潜在交易 伙伴，即#1(? Q若用户i与用户j存在信任路径X = X(i，〇1，〇2，…，〇k，…，〇n-i，j)，其中Ok 为信任路径x上的第k个推荐用户，则称信任路径x下，用户i(j)对用户j(i)存在间接信任 (
[0125] 给出用户i对用户k的间接信任;ff的计算公式：
[0126]
[0127] 式中，CRKj)为用户j(推荐人)的可信性，这里采用用户i、j信任倾向相似性，利用 用户i的主观经验，从用户i的角度来度量用户j的可信性，即Ch(j) = sim_DT(i，j); CR2(j) 为推荐的可信性，这里采用用户i、j信任情境相似性来度量用户j推荐行为的可信性，即CR 2 〇)=以111_了5[了5(1，」），了5(1，10];0?2(1〇表示」推荐1^的可信性，即用户」、1^与用户1、1^信任 情境相似性。
[0128] 上面的例子说明了在长度为2信任路径下，计算间接信任的步骤。这里我们给出间 接信任的一般性计算公式。
[0129] 给定时域t，用户i及其交易伙伴集合N(i)，设用户j为用户i的陌生的潜在交易伙 伴，即./g Λφ?，若用户i与用户j存在一长度为丨信任路径χ = χ(〇()，〇1，〇2, · · ·，〇1-ιοο,其 中〇Q=i，〇1 = j，则在信任路径X下，用户i对用户j的间接信任疔可采用以下公式计算：
[0130]
[0131 ]式中，为用户〇k-1对用户〇k的直接信任;CRi(〇k)表不用户〇k的可信性;CR2(〇k)表 示用户〇k推荐的可信性；表示用户oh对用户〇1的直接信任。
[0132] 二、信任路径推导
[0133] 在网上交易环境下，数量庞大的交易者之间形成一个虚拟的社会网络G。由于虚拟 的社会网络规模通常都很大，给定用户之间的信任路径会很多。然而来自第三方的推荐信 任信息在信任路径上传播时，随着信任路径长度的增加，信任推荐信息的失真现象将逐步 加剧，推荐信任信息可靠性也逐步递减;这样长度越长的信任路径，推荐信任信息失真越严 重，推荐信任信息可靠性的递减效果越明显。
[0134] 为了刻画推荐信任信息可靠性随信任路径长度增加而递减的变化规律，给出了一 种基于信任路径长度的推荐信任信息可信性描述函数Cre(.)。
[0135] 给定信任路径X，则X上的推荐信任信息可靠性Cre(x)表示为：
[0136]
[0137] 式中λ表示用户所给定的最长信任路径长度，1为信任路径x的长度。
[0138] 对于给定的一条信任路径X，基于信任路径长度的推荐信任信息可靠性描述函数 Cre (X )，根据X的长度给出具体的推荐信任信息可靠性数值，从而克服传统递减函数所存在 推荐信任计算缺乏全面性的缺陷。
[0139] ④给定用户i、j，用户i、j具有m条信任路径XhXs，· ..xm;则称m条信任路径Xl， X2, · · .Xm 构成一个信任路径簇 X = {Xl，X2, · · .Xm}。
[0140]⑤给定用户i、j的信任路径簇X = {Xl,X2, . . .Xm}，则用户j的证人集合定义为： 厕(/) =糾:?.6? λ爲 eX} Ο
[0141] ⑥对于满足X e厶ΛΧ e WSX./)的用户X，我们称为信任路径的证人X。
[0142] ⑦对于给定的用户i、j，用户i、j具有m条信任路径任路径Xl上的用 户集合为Xi= U〇，il，. . .，i6}，信任路径Xj上的用户集合为Xj= { jo, jl, . . .，J_6};若Xi flXj关 φ，则称信任路径Xi、力为并联信任路径。
[0143] 根据并联信任路径所具有的证人的情况，我们将并联信任路径分为两类：
[0144] 1)1类并联信任路径
[0145] I类并联信任路径是指给定用户i、j及证人集WS(j)，用户i、j具有m条信任路径Xl， X2，· · · Xm ; Xi = { i〇，il，· · ·，i6}，Xj = { j〇，jl，· · ·，J_6}分力丨」为{曰任路、Xj上的用户集合;右 e %'(./)，满足xeXi n ，则称信任路径Χι、χ^ι类并联信任路径。
[0146] 2)11类并联信任路径
[0147] II类并联信任路径是指给定用户i、j，用户i、j具有m条信任路径x1，x2，...x m;x1 = {io，^，. . .，i6}，々={如，土，. . .，j6}分别为信任路径Χι、χ」上的用户集合;若, 无法满足xGXi Π Xj，则称彳目任路径Xi、Xj为II类并联彳目任路径。
[0148] 在社会网络G中，对于给定的用户i、j，两者之间通常会存在多条并联信任路径。并 联信任路径的大量出现，必然会造成给定用户之间的间接信任计算的愈加复杂。为此，在计 算给定用户间的间接信任时，必须对并联信任路径进行合并计算。
[0149] 三、信任路径合并
[0150]设?1是推荐路径上的证人，表示Pi证人引领的第j条推荐路径的信任度，则以Pi 为结点的I类信任路径的合并公式表示如下：
[0151]
[0152] 设?,证人引领的第j条推荐路径上有s个用户，则_ =丨_(丨_丨:)1 l'J 1 。
[0153] 上述方法在进行路径合并时，默认推荐信任信息在信任路径传播时不存在失真问 题，从而忽略了信任路径的长度变化对推荐信任信息可靠性的影响，致使推荐信任计算产 生偏差。为此，本文对上述Beth方法进行了改进，引入了推荐信任信息可靠性Cre(.)。设以 Pi为结点的第j条I类信任路径为则以PiS结点的I类信任路径合并公式表示为：
[0154]
[0155] 式中Cre(Xj)表示I类信任路径&上的推荐信任信息可靠性;表示I类信任路径 Xj的信任度。
[0156] 利用公式，就可以讲多个并联信任路径上的信任度整合，生成一条由给定用户经 证人到目标用户的，信任度为V。?路径，从而实现了多条并联路径的合并。
[0157] 四、陌生用户信任度计算
[0158] 在借鉴传统信任度综合计算方法的基础上，通过引入推荐信任信息可靠性，给出 了改进 的陌生用户信任综合计算公式。
[0159] 给定用户i及陌生用户j，在社会网络下，用户i对陌生用户j间接信任UU)表示 为：
[0160]
[0161] 式中WS(j)表示用尸j证人集合；j . k. *表示用尸j的证人k; k. 1表示以k为结束点的 第1条I类信任路径;nk表示以k为结束点的I类信任路径的数目；Cre(xk.〇为第1条I类信任 路径上的推荐信任可靠性；fi,表示以k为结点的第1条I类信任路径的信任度。
[0162] 步骤204,对于一个商品购买者用户，确定该商品购买者用户所在的各个潜在交易 组合中，间接信任度最高的至少一个潜在交易组合。
[0163] 步骤205,将该信任度最高的至少一个潜在交易组合中的商品出售者用户与该商 品购买者用户之间的关系确定为推荐关系。
[0164] 具体的，推荐系统可以将商品出售者的商品或网络店铺的相关信息推送给商品购 买者的终端。
[0165] 本公开所提出的方案基于给定用户的购买历史，构建相应的其物品集、邻居用户 集，生成社会化网络;借鉴社会网络的思想，利用协同过滤技术，提出了基于社会化的推荐 计算模型。该模型不仅解决了电子商务推荐系统中信任计算缺乏个性化的问题，而且有效 地防范了恶意评价行为的侵害。
[0166] 另外，本公开所示方案实现了物品推荐和信任度社会化计算的有机结合，既有效 地减少了因比较、分析交易伙伴信任度所耗费的时间和精力，降低了信任风险
[0167] 此外，本公开所示方案基于兴趣度相似性、偏好相似性的情境计算思想，推导了类 型路径的兴趣度计算公式，并给出了用户间偏好倾向相似性计算方法，有效地解决了因物 品异质性而无法准确描述偏好相似性的问题，提高了推荐系统的个性化服务质量，为进一 步完善和开展推荐系统个性化服务提供了技术支持。
[0168] 综上所述，本公开实施例所示的方法，通过根据商品类型树以及各个用户之间的 交易商品信息计算每个信任情境组合的相似度，根据各个用户对各自交易商品的商品特征 的评价信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，根据所述每一组信 任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组 潜在交易组合之间的间接信任度，并根据所述每组潜在交易组合之间的间接信任度确定 推荐关系，结合用户之间购买商品类型的相似性以及用户对商品的评价的相似性来考虑用 户之间的推荐是否可信，能够抵恶意评价的欺骗攻击、降低信任风险以及提升推荐的个性 化。
[0169] 图3是根据一示例性实施例示出的一种交易系统中的推荐关系确定装置的框图， 该装置可以通过硬件或者软硬结合的方式实现为计算机设备的一部分，该计算机设备可以 是一台个人电脑、工作站、网络服务器或者云服务平台等。该交易系统中的推荐关系确定装 置可以包括：
[0170] 第一相似度计算模块301，用于根据商品类型树以及各个用户之间的交易商品信 息计算每个信任情境组合的相似度，所述信任情境用于表征两个用户之间存在交易时，商 品购买者对交易商品的兴趣度;一个所述信任情境组合中包含两个信任情境，且所述两个 信任情境的商品购买者不同，商品出售者相同；所述商品类型树用于表征各个商品所属类 型之间的从属关系；
[0171] 第二相似度计算模块302,用于根据各个用户对各自交易商品的商品特征的评价 信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两 个用户之间存在交易时，商品购买者对交易商品的商品特征的评价；
[0172] 间接信任度计算模块303,用于根据所述每一组信任情境的相似度以及所述每两 个用户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任 度，所述潜在交易组合包括两个未发生过交易的用户，所述间接信任度用于指示向一组潜 在交易组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性；
[0173] 推荐关系确定模块304,用于根据所述每组潜在交易组合之间的间接信任度确定 推荐关系。
[0174] 综上所述，本公开实施例所示的装置，通过根据商品类型树以及各个用户之间的 交易商品信息计算每个信任情境组合的相似度，根据各个用户对各自交易商品的商品特征 的评价信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，根据所述每一组信 任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组 潜在交易组合之间的间接信任度，并根据所述每组潜在交易组合之间的间接信任度确定推 荐关系，结合用户之间购买商品类型的相似性以及用户对商品的评价的相似性来考虑用 户之间的推荐是否可信，能够抵恶意评价的欺骗攻击、降低信任风险以及提升推荐的个性 化。
[0175] 图4是根据另一示例性实施例示出的一种交易系统中的推荐关系确定装置的框 图，该装置可以通过硬件或者软硬结合的方式实现为计算机设备的一部分，该计算机设备 可以是一台个人电脑、工作站、网络服务器或者云服务平台等。该交易系统中的推荐关系确 定装置可以包括：
[0176] 第一相似度计算模块301，用于根据商品类型树以及各个用户之间的交易商品信 息计算每个信任情境组合的相似度，所述信任情境用于表征两个用户之间存在交易时，商 品购买者对交易商品的兴趣度;一个所述信任情境组合中包含两个信任情境，且所述两个 信任情境的商品购买者不同，商品出售者相同；所述商品类型树用于表征各个商品所属类 型之间的从属关系；
[0177] 第二相似度计算模块302,用于根据各个用户对各自交易商品的商品特征的评价 信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两 个用户之间存在交易时，商品购买者对交易商品的商品特征的评价；
[0178] 间接信任度计算模块303,用于根据所述每一组信任情境的相似度以及所述每两 个用户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任 度，所述潜在交易组合包括两个未发生过交易的用户，所述间接信任度用于指示向一组潜 在交易组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性；
[0179] 推荐关系确定模块304,用于根据所述每组潜在交易组合之间的间接信任度确定 推荐关系。
[0180]可选的，对于包含第一信任情境和第二信任情境的一个信任情境组合，所述第一 信任情境的商品购买者为第一用户，所述第二信任情境的商品购买者为第二用户，所述一 组信任情境的商品出售者同为第三用户;所述第一相似度计算模块301，包括：
[0181]集合获取单元301a，用于获取共同类型集合，所述共同类型集合为第一类型集合 和第二类型集合的交集，所述第一类型集合为所述第一用户与所述第三用户之间的交易商 品的类型路径上的各个类型组成的集合，所述第二类型集合为所述第二用户与所述第三 用户之间的交易商品的类型路径上的各个类型组成的集合;所述类型路径为所述商品类型 树中，从通用类型到交易商品的最小类型之间的路径;所述通用类型为所述商品类型树中 处于最顶层的类型；
[0182] 兴趣度计算单元302b，用于计算所述第一用户对所述共同类型集合中每一个类型 的兴趣度，以及所述第二用户对所述共同类型集合中每一个类型的兴趣度；
[0183] 相似度计算单元302c，用于根据所述共同类型集合、所述第一用户对所述共同类 型集合中每一个类型的兴趣度以及所述第二用户对所述共同类型集合中每一个类型的兴 趣度，计算所述信任情境组合的相似度。
[0184] 可选的，所述兴趣度计算单元302b，用于获取第一商品集合以及第二商品集合，所 述第一商品集合为所述第一用户历史购买过的商品的集合，所述第二商品集合为所述第一 用户从所述第三用户处购买过的商品的集合;根据所述第一商品集合、所述第二商品集合 以及第一类型路径确定所述第一用户对所述第一类型路径中各个类型的总兴趣度;所述第 一类型为所述第一用户与所述第三用户之间的交易商品的类型路径;获取所述第一类型路 径中每一个类型下的子类型;根据所述总兴趣度以及所述第一类型路径中每一个类型下的 子类型确定所述第一用户对所述第一类型路径中的各个类型的兴趣度，所述第一类型路径 中的各个类型包含所述共同类型集合中的各个类型。
[0185] 可选的，所述间接信任度计算模块303,包括：
[0186] 第一路径确定单元303a，用于对于一组潜在交易组合，确定所述潜在交易组合中 的两个用户之间的若干条信任路径，所述信任路径中包含至少三个用户，所述信任路径分 别以所述潜在交易组合中的商品购买者为开始点，以所述潜在交易组合中的商品出售者为 结束点，且所述信任路径中任意的相邻两个用户之间发生过商品交易；
[0187]第二路径确定单元303b，用于确定所述若干条交易路径中的指定类型信任路径， 所述指定类型信任路径是指所述若干条信任路径中，每两条包含同一证人的信任路径，所 述证人是与所述潜在交易组合中的商品出售者发生过交易的用户；
[0188]第一间接信任度计算单元303c，用于对于每一条指定类型信任路径，根据所述指 定类型信任路径中每相邻两个用户对应的信任情境组合的相似度、以及所述相邻两个用 户对共同交易伙伴的信任倾向之间的相似度，计算所述指定类型信任路径中、所述潜在交 易组合中的商品购买者对商品出售者的间接信任度；
[0189]可靠性计算单元303d，用于对于每一条指定类型信任路径，根据所述指定类型信 任路径的长度计算所述指定类型信任路径的可靠性；
[0190]第二间接信任度计算单元303e，用于根据所述指定类型信任路径的数量、所述潜 在交易组合中的商品出售者的证人集合、每一条所述指定类型信任路径的可靠性以及每一 条所述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的间接信任 度，计算所述潜在交易组合之间的间接信任度。
[0191 ]可选的，所述推荐关系确定模块304，包括：
[0192] 组合确定单元304a，用于对于一个商品购买者用户，确定所述商品购买者用户所 在的各个潜在交易组合中，间接信任度最高的至少一个潜在交易组合；
[0193] 关系确定单元304b，用于将所述信任度最高的至少一个潜在交易组合中的商品出 售者用户与所述商品购买者用户之间的关系确定为推荐关系。
[0194] 需要说明的一点是，上述实施例提供的装置在执行。。。方法时，仅以上述各个功能 模块的划分进行举例说明，实际应用中，可以根据实际需要而将上述功能分配由不同的功 能模块完成，即将设备的内容结构划分成不同的功能模块，以完成以上描述的全部或者部 分功能。
[0195] 关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法 的实施例中进行了详细描述，此处将不做详细阐述说明。
[0196] 图5是根据一示例性实施例示出的一种装置500的框图。例如，装置500可以被提供 为一服务器。参照图5,装置500包括处理组件522,其进一步包括一个或多个处理器，以及由 存储器532所代表的存储器资源，用于存储可由处理部件522执行的指令，例如应用程序。存 储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此 外，处理组件522被配置为执行指令，以执行上述图1或2所示的方法。
[0197] 装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有 线或无线网络接口 550被配置为将装置500连接到网络，和一个输入输出（I/O)接口 558。装 置500可以操作基于存储在存储器532的操作系统，例如Win dows ServerTM，Mac OS XTM， UnixTM，LinuxTM，FreeBSDTM 或类似。
[0198] 本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其 它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或 者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识 或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的 权利要求指出。
[0199] 应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并 且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1. 一种交易系统中的推荐关系确定方法，其特征在于，所述方法由计算机设备执行，所 述方法包括： 根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境组合的相似度， 所述信任情境用于表征两个用户之间存在交易时，商品购买者对交易商品的兴趣度;一个 所述信任情境组合中包含两个信任情境，且所述两个信任情境的商品购买者不同，商品出 售者相同；所述商品类型树用于表征各个商品所属类型之间的从属关系； 根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户对共同交易伙 伴的信任倾向之间的相似度，所述信任倾向用于表征两个用户之间存在交易时，商品购买 者对交易商品的商品特征的评价； 根据所述每一组信任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向 之间的相似度计算每组潜在交易组合之间的间接信任度，所述潜在交易组合包括两个未发 生过交易的用户，所述间接信任度用于指示向一组潜在交易组合中的商品购买者推荐该潜 在交易组合中的商品出售者的可行性； 根据所述每组潜在交易组合之间的间接信任度确定推荐关系。2. 根据权利要求1所述的方法，其特征在于，对于包含第一信任情境和第二信任情境的 一个信任情境组合，所述第一信任情境的商品购买者为第一用户，所述第二信任情境的商 品购买者为第二用户，所述一组信任情境的商品出售者同为第三用户；所述根据商品类型 树以及各个用户之间的交易商品信息计算每一个信任情境组合的相似度，包括： 获取共同类型集合，所述共同类型集合为第一类型集合和第二类型集合的交集，所述 第一类型集合为所述第一用户与所述第三用户之间的交易商品的类型路径上的各个类型 组成的集合，所述第二类型集合为所述第二用户与所述第三用户之间的交易商品的类型路 径上的各个类型组成的集合;所述类型路径为所述商品类型树中，从通用类型到交易商品 的最小类型之间的路径;所述通用类型为所述商品类型树中处于最顶层的类型； 计算所述第一用户对所述共同类型集合中每一个类型的兴趣度，以及所述第二用户对 所述共同类型集合中每一个类型的兴趣度； 根据所述共同类型集合、所述第一用户对所述共同类型集合中每一个类型的兴趣度以 及所述第二用户对所述共同类型集合中每一个类型的兴趣度，计算所述信任情境组合的相 似度。3. 根据权利要求2所述的方法，其特征在于，所述计算所述第一用户对所述类型交集中 每一个类型的兴趣度，包括： 获取第一商品集合以及第二商品集合，所述第一商品集合为所述第一用户历史购买过 的商品的集合，所述第二商品集合为所述第一用户从所述第三用户处购买过的商品的集 合； 根据所述第一商品集合、所述第二商品集合以及第一类型路径确定所述第一用户对所 述第一类型路径中各个类型的总兴趣度;所述第一类型为所述第一用户与所述第三用户之 间的交易商品的类型路径； 获取所述第一类型路径中每一个类型下的子类型； 根据所述总兴趣度以及所述第一类型路径中每一个类型下的子类型确定所述第一用 户对所述第一类型路径中的各个类型的兴趣度，所述第一类型路径中的各个类型包含所述 共同类型集合中的各个类型。4. 根据权利要求1所述的方法，其特征在于，所述根据所述每一组信任情境的相似度以 及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间 的间接信任度，包括： 对于一组潜在交易组合，确定所述潜在交易组合中的两个用户之间的若干条信任路 径，所述信任路径中包含至少三个用户，所述信任路径分别以所述潜在交易组合中的商品 购买者为开始点，以所述潜在交易组合中的商品出售者为结束点，且所述信任路径中任意 的相邻两个用户之间发生过商品交易； 确定所述若干条交易路径中的指定类型信任路径，所述指定类型信任路径是指所述若 干条信任路径中，每两条包含同一证人的信任路径，所述证人是与所述潜在交易组合中的 商品出售者发生过交易的用户； 对于每一条指定类型信任路径，根据所述指定类型信任路径中每相邻两个用户对应的 信任情境组合的相似度、以及所述相邻两个用户对共同交易伙伴的信任倾向之间的相似 度，计算所述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的间 接信任度； 对于每一条指定类型信任路径，根据所述指定类型信任路径的长度计算所述指定类型 信任路径的可靠性； 根据所述指定类型信任路径的数量、所述潜在交易组合中的商品出售者的证人集合、 每一条所述指定类型信任路径的可靠性以及每一条所述指定类型信任路径中、所述潜在交 易组合中的商品购买者对商品出售者的间接信任度，计算所述潜在交易组合之间的间接信 任度。5. 根据权利要求1所述的方法，其特征在于，所述根据所述每组潜在交易组合之间的间 接信任度确定推荐关系，包括： 对于一个商品购买者用户，确定所述商品购买者用户所在的各个潜在交易组合中，间 接信任度最高的至少一个潜在交易组合； 将所述信任度最高的至少一个潜在交易组合中的商品出售者用户与所述商品购买者 用户之间的关系确定为推荐关系。6. -种交易系统中的推荐关系确定装置，其特征在于，所述装置设置在计算机设备中， 所述装置包括： 第一相似度计算模块，用于根据商品类型树以及各个用户之间的交易商品信息计算每 个信任情境组合的相似度，所述信任情境用于表征两个用户之间存在交易时，商品购买者 对交易商品的兴趣度;一个所述信任情境组合中包含两个信任情境，且所述两个信任情境 的商品购买者不同，商品出售者相同；所述商品类型树用于表征各个商品所属类型之间的 从属关系； 第二相似度计算模块，用于根据各个用户对各自交易商品的商品特征的评价信息计算 每两个用户对共同交易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两个用户之 间存在交易时，商品购买者对交易商品的商品特征的评价； 间接信任度计算模块，用于根据所述每一组信任情境的相似度以及所述每两个用户对 共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度，所述潜 在交易组合包括两个未发生过交易的用户，所述间接信任度用于指示向一组潜在交易组合 中的商品购买者推荐该潜在交易组合中的商品出售者的可行性； 推荐关系确定模块，用于根据所述每组潜在交易组合之间的间接信任度确定推荐关 系。7. 根据权利要求6所述的装置，其特征在于，对于包含第一信任情境和第二信任情境的 一个信任情境组合，所述第一信任情境的商品购买者为第一用户，所述第二信任情境的商 品购买者为第二用户，所述一组信任情境的商品出售者同为第三用户；所述第一相似度计 算模块，包括： 集合获取单元，用于获取共同类型集合，所述共同类型集合为第一类型集合和第二类 型集合的交集，所述第一类型集合为所述第一用户与所述第三用户之间的交易商品的类型 路径上的各个类型组成的集合，所述第二类型集合为所述第二用户与所述第三用户之间的 交易商品的类型路径上的各个类型组成的集合;所述类型路径为所述商品类型树中，从通 用类型到交易商品的最小类型之间的路径;所述通用类型为所述商品类型树中处于最顶层 的类型； 兴趣度计算单元，用于计算所述第一用户对所述共同类型集合中每一个类型的兴趣 度，以及所述第二用户对所述共同类型集合中每一个类型的兴趣度； 相似度计算单元，用于根据所述共同类型集合、所述第一用户对所述共同类型集合中 每一个类型的兴趣度以及所述第二用户对所述共同类型集合中每一个类型的兴趣度，计算 所述信任情境组合的相似度。8. 根据权利要求7所述的装置，其特征在于，所述兴趣度计算单元，用于获取第一商品 集合以及第二商品集合，所述第一商品集合为所述第一用户历史购买过的商品的集合，所 述第二商品集合为所述第一用户从所述第三用户处购买过的商品的集合;根据所述第一商 品集合、所述第二商品集合以及第一类型路径确定所述第一用户对所述第一类型路径中各 个类型的总兴趣度;所述第一类型为所述第一用户与所述第三用户之间的交易商品的类型 路径;获取所述第一类型路径中每一个类型下的子类型;根据所述总兴趣度以及所述第一 类型路径中每一个类型下的子类型确定所述第一用户对所述第一类型路径中的各个类型 的兴趣度，所述第一类型路径中的各个类型包含所述共同类型集合中的各个类型。9. 根据权利要求6所述的装置，其特征在于，所述间接信任度计算模块，包括： 第一路径确定单元，用于对于一组潜在交易组合，确定所述潜在交易组合中的两个用 户之间的若干条信任路径，所述信任路径中包含至少三个用户，所述信任路径分别以所述 潜在交易组合中的商品购买者为开始点，以所述潜在交易组合中的商品出售者为结束点， 且所述信任路径中任意的相邻两个用户之间发生过商品交易； 第二路径确定单元，用于确定所述若干条交易路径中的指定类型信任路径，所述指定 类型信任路径是指所述若干条信任路径中，每两条包含同一证人的信任路径，所述证人是 与所述潜在交易组合中的商品出售者发生过交易的用户； 第一间接信任度计算单元，用于对于每一条指定类型信任路径，根据所述指定类型信 任路径中每相邻两个用户对应的信任情境组合的相似度、以及所述相邻两个用户对共同交 易伙伴的信任倾向之间的相似度，计算所述指定类型信任路径中、所述潜在交易组合中的 商品购买者对商品出售者的间接信任度； 可靠性计算单元，用于对于每一条指定类型信任路径，根据所述指定类型信任路径的 长度计算所述指定类型信任路径的可靠性； 第二间接信任度计算单元，用于根据所述指定类型信任路径的数量、所述潜在交易组 合中的商品出售者的证人集合、每一条所述指定类型信任路径的可靠性以及每一条所述指 定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的间接信任度，计算 所述潜在交易组合之间的间接信任度。10.根据权利要求6所述的装置，其特征在于，所述推荐关系确定模块，包括： 组合确定单元，用于对于一个商品购买者用户，确定所述商品购买者用户所在的各个 潜在交易组合中，间接信任度最高的至少一个潜在交易组合； 关系确定单元，用于将所述信任度最高的至少一个潜在交易组合中的商品出售者用户 与所述商品购买者用户之间的关系确定为推荐关系。
【专利摘要】本公开是关于一种交易系统中的推荐关系确定方法及装置，属于计算机应用领域。方法包括：根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境组合的相似度；根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度；根据所述每一组信任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度；根据所述每组潜在交易组合之间的间接信任度确定推荐关系；结合用户之间购买商品类型的相似性以及用户对商品的评价的相似性来考虑用户之间的推荐是否可信，能够抵恶意评价的欺骗攻击、降低信任风险以及提升推荐的个性化。
【IPC分类】G06Q30/02, G06Q30/00
【公开号】CN105488684
【申请号】CN201510784757
【发明人】张巍
【申请人】孙宝文, 张巍
【公开日】2016年4月13日
【申请日】2015年11月16日
【技术领域】
[0001] 本公开涉及计算机应用领域，特别涉及一种交易系统中的推荐关系确定方法及装 置。
【背景技术】
[0002] 电子商务市场的迅速发展给商家的设计、销售、服务提出了许多新要求，如何提供 一对一的客户关怀成为商家成功与否的决定性因素之一。
[0003] 推荐系统利用电子商务平台向客户提供商品信息和建议，帮助用户决定应该购买 什么产品，模拟销售人员帮助客户完成购买过程。如何提高推荐系统的推荐准确性和个性 化能力，已逐渐成为电子商务推荐系统成功应用的关键。
【发明内容】
[0004] 本公开实施例提供了一种推荐关系确定方法及装置，所述技术方案如下：
[0005] 根据本公开实施例的第一方面，提供了一种推荐关系确定方法，由计算机设备执 行，该方法包括：
[0006] 根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境组合的相 似度，所述信任情境用于表征两个用户之间存在交易时，商品购买者对交易商品的兴趣度； 一个所述信任情境组合中包含两个信任情境，且所述两个信任情境的商品购买者不同，商 品出售者相同；所述商品类型树用于表征各个商品所属类型之间的从属关系；
[0007] 根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户对共同交 易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两个用户之间存在交易时，商品 购买者对交易商品的商品特征的评价；
[0008] 根据所述每一组信任情境的相似度以及所述每两个用户对共同交易伙伴的信任 倾向之间的相似度计算每组潜在交易组合之间的间接信任度，所述潜在交易组合包括两个 未发生过交易的用户，所述间接信任度用于指示向一组潜在交易组合中的商品购买者推荐 该潜在交易组合中的商品出售者的可行性；
[0009] 根据所述每组潜在交易组合之间的间接信任度确定推荐关系。
[0010]可选的，对于包含第一信任情境和第二信任情境的一个信任情境组合，所述第一 信任情境的商品购买者为第一用户，所述第二信任情境的商品购买者为第二用户，所述一 组信任情境的商品出售者同为第三用户;所述根据商品类型树以及各个用户之间的交易商 品信息计算每一个信任情境组合的相似度，包括：
[0011]获取共同类型集合，所述共同类型集合为第一类型集合和第二类型集合的交集， 所述第一类型集合为所述第一用户与所述第三用户之间的交易商品的类型路径上的各个 类型组成的集合，所述第二类型集合为所述第二用户与所述第三用户之间的交易商品的类 型路径上的各个类型组成的集合;所述类型路径为所述商品类型树中，从通用类型到交易 商品的最小类型之间的路径;所述通用类型为所述商品类型树中处于最顶层的类型；
[0012] 计算所述第一用户对所述共同类型集合中每一个类型的兴趣度，以及所述第二用 户对所述共同类型集合中每一个类型的兴趣度；
[0013] 根据所述共同类型集合、所述第一用户对所述共同类型集合中每一个类型的兴趣 度以及所述第二用户对所述共同类型集合中每一个类型的兴趣度，计算所述信任情境组合 的相似度。
[0014] 可选的，所述计算所述第一用户对所述类型交集中每一个类型的兴趣度，包括：
[0015] 获取第一商品集合以及第二商品集合，所述第一商品集合为所述第一用户历史购 买过的商品的集合，所述第二商品集合为所述第一用户从所述第三用户处购买过的商品的 集合；
[0016] 根据所述第一商品集合、所述第二商品集合以及第一类型路径确定所述第一用户 对所述第一类型路径中各个类型的总兴趣度;所述第一类型为所述第一用户与所述第三用 户之间的交易商品的类型路径；
[0017] 获取所述第一类型路径中每一个类型下的子类型；
[0018] 根据所述总兴趣度以及所述第一类型路径中每一个类型下的子类型确定所述第 一用户对所述第一类型路径中的各个类型的兴趣度，所述第一类型路径中的各个类型包含 所述共同类型集合中的各个类型。
[0019] 可选的，所述根据所述每一组信任情境的相似度以及所述每两个用户对共同交易 伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度，包括：
[0020] 对于一组潜在交易组合，确定所述潜在交易组合中的两个用户之间的若干条信任 路径，所述信任路径中包含至少三个用户，所述信任路径分别以所述潜在交易组合中的商 品购买者为开始点，以所述潜在交易组合中的商品出售者为结束点，且所述信任路径中任 意的相邻两个用户之间发生过商品交易；
[0021] 确定所述若干条交易路径中的指定类型信任路径，所述指定类型信任路径是指所 述若干条信任路径中，每两条包含同一证人的信任路径，所述证人是与所述潜在交易组合 中的商品出售者发生过交易的用户；
[0022] 对于每一条指定类型信任路径，根据所述指定类型信任路径中每相邻两个用户对 应的信任情境组合的相似度、以及所述相邻两个用户对共同交易伙伴的信任倾向之间的相 似度，计算所述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的 间接?目任度；
[0023] 对于每一条指定类型信任路径，根据所述指定类型信任路径的长度计算所述指定 类型信任路径的可靠性；
[0024] 根据所述指定类型信任路径的数量、所述潜在交易组合中的商品出售者的证人集 合、每一条所述指定类型信任路径的可靠性以及每一条所述指定类型信任路径中、所述潜 在交易组合中的商品购买者对商品出售者的间接信任度，计算所述潜在交易组合之间的间 接信任度。
[0025] 可选的，所述根据所述每组潜在交易组合之间的间接信任度确定推荐关系，包括：
[0026] 对于一个商品购买者用户，确定所述商品购买者用户所在的各个潜在交易组合 中，间接信任度最高的至少一个潜在交易组合；
[0027] 将所述信任度最高的至少一个潜在交易组合中的商品出售者用户与所述商品购 买者用户之间的关系确定为推荐关系。
[0028] 根据本公开实施例的第二方面，提供了一种交易系统中的推荐关系确定装置，所 述装置设置在计算机设备中，所述装置包括：
[0029] 第一相似度计算模块，用于根据商品类型树以及各个用户之间的交易商品信息计 算每个信任情境组合的相似度，所述信任情境用于表征两个用户之间存在交易时，商品购 买者对交易商品的兴趣度;一个所述信任情境组合中包含两个信任情境，且所述两个信任 情境的商品购买者不同，商品出售者相同；所述商品类型树用于表征各个商品所属类型之 间的从属关系；
[0030] 第二相似度计算模块，用于根据各个用户对各自交易商品的商品特征的评价信息 计算每两个用户对共同交易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两个用 户之间存在交易时，商品购买者对交易商品的商品特征的评价；
[0031] 间接信任度计算模块，用于根据所述每一组信任情境的相似度以及所述每两个用 户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度，所 述潜在交易组合包括两个未发生过交易的用户，所述间接信任度用于指示向一组潜在交易 组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性；
[0032] 推荐关系确定模块，用于根据所述每组潜在交易组合之间的间接信任度确定推荐 关系。
[0033] 可选的，对于包含第一信任情境和第二信任情境的一个信任情境组合，所述第一 信任情境的商品购买者为第一用户，所述第二信任情境的商品购买者为第二用户，所述一 组信任情境的商品出售者同为第三用户;所述第一相似度计算模块，包括：
[0034] 集合获取单元，用于获取共同类型集合，所述共同类型集合为第一类型集合和第 二类型集合的交集，所述第一类型集合为所述第一用户与所述第三用户之间的交易商品的 类型路径上的各个类型组成的集合，所述第二类型集合为所述第二用户与所述第三用户之 间的交易商品的类型路径上的各个类型组成的集合;所述类型路径为所述商品类型树中， 从通用类型到交易商品的最小类型之间的路径;所述通用类型为所述商品类型树中处于最 顶层的类型；
[0035] 兴趣度计算单元，用于计算所述第一用户对所述共同类型集合中每一个类型的兴 趣度，以及所述第二用户对所述共同类型集合中每一个类型的兴趣度；
[0036] 相似度计算单元，用于根据所述共同类型集合、所述第一用户对所述共同类型集 合中每一个类型的兴趣度以及所述第二用户对所述共同类型集合中每一个类型的兴趣度， 计算所述信任情境组合的相似度。
[0037] 可选的，所述兴趣度计算单元，用于获取第一商品集合以及第二商品集合，所述第 一商品集合为所述第一用户历史购买过的商品的集合，所述第二商品集合为所述第一用 户从所述第三用户处购买过的商品的集合;根据所述第一商品集合、所述第二商品集合以 及第一类型路径确定所述第一用户对所述第一类型路径中各个类型的总兴趣度;所述第一 类型为所述第一用户与所述第三用户之间的交易商品的类型路径;获取所述第一类型路径 中每一个类型下的子类型;根据所述总兴趣度以及所述第一类型路径中每一个类型下的子 类型确定所述第一用户对所述第一类型路径中的各个类型的兴趣度，所述第一类型路径中 的各个类型包含所述共同类型集合中的各个类型。
[0038] 可选的，所述间接信任度计算模块，包括：
[0039] 第一路径确定单元，用于对于一组潜在交易组合，确定所述潜在交易组合中的两 个用户之间的若干条信任路径，所述信任路径中包含至少三个用户，所述信任路径分别以 所述潜在交易组合中的商品购买者为开始点，以所述潜在交易组合中的商品出售者为结束 点，且所述信任路径中任意的相邻两个用户之间发生过商品交易；
[0040] 第二路径确定单元，用于确定所述若干条交易路径中的指定类型信任路径，所述 指定类型信任路径是指所述若干条信任路径中，每两条包含同一证人的信任路径，所述证 人是与所述潜在交易组合中的商品出售者发生过交易的用户；
[0041] 第一间接信任度计算单元，用于对于每一条指定类型信任路径，根据所述指定类 型信任路径中每相邻两个用户对应的信任情境组合的相似度、以及所述相邻两个用户对共 同交易伙伴的信任倾向之间的相似度，计算所述指定类型信任路径中、所述潜在交易组合 中的商品购买者对商品出售者的间接信任度；
[0042] 可靠性计算单元，用于对于每一条指定类型信任路径，根据所述指定类型信任路 径的长度计算所述指定类型信任路径的可靠性；
[0043] 第二间接信任度计算单元，用于根据所述指定类型信任路径的数量、所述潜在交 易组合中的商品出售者的证人集合、每一条所述指定类型信任路径的可靠性以及每一条所 述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的间接信任度， 计算所述潜在交易组合之间的间接信任度。
[0044] 可选的，所述推荐关系确定模块，包括：
[0045] 组合确定单元，用于对于一个商品购买者用户，确定所述商品购买者用户所在的 各个潜在交易组合中，间接信任度最高的至少一个潜在交易组合；
[0046]关系确定单元，用于将所述信任度最高的至少一个潜在交易组合中的商品出售 者用户与所述商品购买者用户之间的关系确定为推荐关系。。
[0047] 本公开实施例提供的技术方案可以包括以下有益效果：
[0048] 通过根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境组合 的相似度，根据各个用户对各自交易商品的商品特征的评价信息计算每 两个用户对共同交 易伙伴的信任倾向之间的相似度，根据所述每一组信任情境的相似度以及所述每两个用户 对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度，并根 据所述每组潜在交易组合之间的间接信任度确定推荐关系，结合用户之间购买商品类型的 相似性以及用户对商品的评价的相似性来考虑用户之间的推荐是否可信，能够抵恶意评价 的欺骗攻击、降低信任风险以及提升推荐的个性化。
[0049] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制本公开。
【附图说明】
[0050] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施 例，并与说明书一起用于解释本公开的原理。
[0051] 图1是根据一示例性实施例示出的一种交易系统中的推荐关系确定方法的流程 图；
[0052]图2是根据另一示例性实施例示出的一种交易系统中的推荐关系确定方法的流程 图；
[0053]图3是根据一示例性实施例示出的一种交易系统中的推荐关系确定装置的框图； [0054]图4是根据另一示例性实施例示出的一种交易系统中的推荐关系确定装置的框 图；
[0055] 图5是根据一示例性实施例示出的一种装置的框图。
【具体实施方式】
[0056] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及 附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例 中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附 权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0057] 图1是根据一示例性实施例示出的一种交易系统中的推荐关系确定装置的框图方 法的流程图，该方法可以由计算机设备执行，该计算机设备可以是一台个人电脑、工作站、 网络服务器或者云服务平台等。如图1所示，该方法可以包括如下几个步骤：
[0058]步骤101，根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境 组合的相似度。
[0059] 其中，该信任情境用于表征两个用户之间存在交易时，商品购买者对交易商品的 兴趣度;一个该信任情境组合中包含两个信任情境，且该两个信任情境的商品购买者不同， 商品出售者相同；该商品类型树用于表征各个商品所属类型之间的从属关系。
[0060] 步骤102,根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户 对共同交易伙伴的信任倾向之间的相似度。
[0061] 其中，该信任倾向用于表征两个用户之间存在交易时，商品购买者对交易商品的 商品特征的评价。
[0062] 步骤103,根据该每一组信任情境的相似度以及该每两个用户对共同交易伙伴的 信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度。
[0063] 其中，该潜在交易组合包括两个未发生过交易的用户，该间接信任度用于指示向 一组潜在交易组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性。
[0064] 步骤104,根据该每组潜在交易组合之间的间接信任度确定推荐关系。
[0065] 综上所述，本公开实施例所示的方法，通过根据商品类型树以及各个用户之间的 交易商品信息计算每个信任情境组合的相似度，根据各个用户对各自交易商品的商品特征 的评价信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，根据所述每一组信 任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组 潜在交易组合之间的间接信任度，并根据所述每组潜在交易组合之间的间接信任度确定推 荐关系，结合用户之间购买商品类型的相似性以及用户对商品的评价的相似性来考虑用户 之间的推荐是否可信，能够抵恶意评价的欺骗攻击、降低信任风险以及提升推荐的个性 化。
[0066] 图2是根据另一示例性实施例示出的一种交易系统中的推荐关系确定装置的框图 方法的流程图，该方法可以由计算机设备执行，该计算机设备可以是一台个人电脑、工作 站、网络服务器或者云服务平台等。如图2所示，该方法可以包括如下几个步骤：
[0067]步骤201，根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境 组合的相似度。
[0068] 其中，该信任情境用于表征两个用户之间存在交易时，商品购买者对交易商品的 兴趣度;一个该信任情境组合中包含两个信任情境，且该两个信任情境的商品购买者不同， 商品出售者相同；该商品类型树用于表征各个商品所属类型之间的从属关系。
[0069] 其中，对于包含第一信任情境和第二信任情境的一个信任情境组合，该第一信任 情境的商品购买者为第一用户，该第二信任情境的商品购买者为第二用户，该一组信任情 境的商品出售者同为第三用户;实现根据商品类型树以及各个用户之间的交易商品信息计 算每个信任情境组合的相似度的步骤可以如下：
[0070] 1)获取共同类型集合，该共同类型集合为第一类型集合和第二类型集合的交集， 该第一类型集合为该第一用户与该第三用户之间的交易商品的类型路径上的各个类型组 成的集合，该第二类型集合为该第二用户与该第三用户之间的交易商品的类型路径上的各 个类型组成的集合;该类型路径为该商品类型树中，从通用类型到交易商品的最小类型之 间的路径;该通用类型为该商品类型树中处于最顶层的类型。
[0071] 2)计算该第一用户对该共同类型集合中每一个类型的兴趣度，以及该第二用户对 该共同类型集合中每一个类型的兴趣度。
[0072] 3)根据该共同类型集合、该第一用户对该共同类型集合中每一个类型的兴趣度以 及该第二用户对该共同类型集合中每一个类型的兴趣度，计算该信任情境组合的相似度。
[0073] 其中，在计算该第一用户对该类型交集中每一个类型的兴趣度时，可以获取第一 商品集合以及第二商品集合，该第一商品集合为该第一用户历史购买过的商品的集合，该 第二商品集合为该第一用户从该第三用户处购买过的商品的集合;根据该第一商品集合、 该第二商品集合以及第一类型路径确定该第一用户对该第一类型路径中各个类型的总兴 趣度;该第一类型为该第一用户与该第三用户之间的交易商品的类型路径;获取该第一类 型路径中每一个类型下的子类型;根据该总兴趣度以及该第一类型路径中每一个类型下的 子类型确定该第一用户对该第一类型路径中的各个类型的兴趣度，该第一类型路径中的各 个类型包含该共同类型集合中的各个类型。
[0074] 具体的，计算每个信任情境组合的相似度的算法可以如下：
[0075] ①设交易商品的类型集合为E，E = {ei，e2, . . .es}，其中s为网站Μ中，交易商品类 型的总数。为用户i历史交易商品的集合，Iueh为用户i与用户j交易的交易商品。
[0076] ②称用户i历史交易商品Iij直接隶属类型为Iij的最小类，记作min cateory(Iij)。 category(Iij)由用户i历史交易商品Iij的所属各个类型（最小类min cateory(Iij)、最小类 的父类、父类的父类…，直到通用类)组成。
[0077] ③设category(Iij) = {p〇，pi, · · ·ρη}，其中pn = mincategory(Iij)表示Iij的最小 类，Pn-iSpn的父类，依此类推，直到通用类p〇=丄。这样用户i的交易商品Iu类型集合 category中的元素？1，按照类的上下隶属关系形成了一条由通用类到最小类的长度为η类 型路径Path，Path为各类组成的有序集合Path=<p〇，pi, . .pi, . .ρη>集合中pi为pi+i的父 类。
[0078] @用户丨对03七6<^7(1^)类型交易商品1^的的总兴趣度为31(〇3七68(^7(1^))。
[0079]
[0080] 式中s为网站Μ中，交易商品类型的总数；I 为用户i历史交易商品的总数； categoryd^)由用户i历史交易商品b的所属类型的总数；|1^|为用户i参与类型min cateory(Iij)交易商品的次数;兴趣度函数π表示了用户i对category(Iij)类型的交易商品 的兴趣度，为方便简记作π。
[0081] 用户i对历史交易商品Iij的类型cateory(Iij)的兴趣度π应该等于类型路径Path 上的各类型兴趣度的总和。即对于类型路径Path=<pQ，Pl，. .pk，· ·ρη>，
）其 中v(pk)为用户对pk类型交易商品的兴趣度。下面定义类型pk的兴趣度函数v(p k)。
[0082] ?给定类型路径?81：11，？31：11=<。()41，.>，.411>，类型路径?31：11上的类。1 11的兴趣 度V(Pm)定义为：
[0083]
[0084]式中v(pm+1)为类pm的子类pm+1的兴趣度，brother(p m+i)为子类pm+i的兄弟数目。
[0085] 根据式
我们推导出类型路径Path上各 类型的兴趣度的递推计算表达式：
[0086]
式中v(Pn)为最小子类的总兴趣度；π为拍卖商品所述类型的兴趣 度；
[0087] 表达式km，m为类型路径的长度：
[0088]
[0089]
[0090]
[0091] 利用上述递推公式，我们可以得到用户i对交易商品1^的类型路径上各类型交易 商品的兴趣度，即对k所属类型集合cateoryd^)中各类型兴趣度。
[0092] 根据用户对1^所属类型集合cateoryd^)中各类型兴趣度，定义用户的兴趣向 量、用户的兴趣度向量。
[0093] ⑥设Ii为用户i历史交易商品的集合，IijEli为用户i与用户j交易的交易商品。Iij 对应的类型集合为cateory(Iij)，category(Iij) = {ρο,ρι, · · ·ρη}，其中pn = mincategory (Iij)表示Iij的最小类，则用户i参与竞买类型mincategorydij)交易商品的兴趣向量INT (i)S:INT(i) = [p0，pi，...，pn]。
[0094] ⑦设用户i的兴趣向量为ΙΝΤ(υ = [ρ0，Ρι，· · ·，pn]，v(Pj)表示用户i对Pj类型交易 商品的兴趣度，则定义用户i的兴趣度向量INTV(i)为：
[0095] INTV(i) = [v(p0),v(pi), ...,v(pn)]
[0096] 用户i、j、k，在信任情境TS(i，j)下，用户i与用户j交易商品Iij，
[0097] 在信任情境TS(k，j)下，用户k与用户j交易商品一山^^对应的类型集合分别为 category(Iij) = {ρο,ρι，…pn}、cateory(Ikj) = [qo，qi，…，qm]，其中，pn=min category (Iij)，qm=min category(Ikj)，category(Iij，Ikj)为共同类型集合，表示类型集合的交集， 即〇&七68〇巧（1。，11^) = 〇&七68〇巧（]^)1^&七68〇巧（11^)。用户：[、1^的兴趣度向量为預17(；0 = [ν(ρ0)，ν(ρι)，· · ·，ν(Ρη)]、ΙΝ??(1〇 = [ν(α())，ν(αι)，· . ·，v(qm)]，则信任情境TS(i，j)、TS (k，j)的相似性sim_TS为：
[0098]
[0099] 式中，V i(p)为用户i对p类型的交易商品的兴趣度，vk(p)为用户k对p类型的交易商 品的兴趣度，I category(Iij，Ikj) |为共同类型集合的基。sim_TS(TS(i，j)，TS(k, j))越大， 表示信任情境TS (i，j)、TS (k，j)的相似性越大；sim_TS (TS (i，j)，TS (k，j))越小，表示信任 情境TS (i，j)、TS (k，j)的相似性越小。
[0100] 步骤202,根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户 对共同交易伙伴的信任倾向之间的相似度。
[0101] 其中，该信任倾向用于表征两个用户之间存在交易时，商品购买者对交易商品的 商品特征的评价。
[0102] 其中，计算每两个用户对共同交易伙伴的信任倾向之间的相似度的方式如下： [0103] 信任倾向DT(Disposition to Trust)是指在网上交易环境下，主体根据个人的历 史经验以及所处的环境中的其他客体是否实现其承诺的预期，而产生与特定客体进行交易 时不同程度的信任。
[0104] 采用信誉反馈评分之间相似性来描述用户信任倾向相似性。下面给出信任倾向相 似性s im_DT的计算公式。
[0105] 设N(i)、N(j)为用户i、j的交易伙伴集合。SN(i，j)表示用户i、j的共同交易伙伴集 合，SP SN( i，j) = N( i) Π N( j)，则用户i、j的信任倾向相似性sim_DT(i，j):
[0106]
12 式中，Ck￡C为信誉关键因素集合C= {ci，C2, . . .，cn}中第k个信誉关键因素； 4(w)、分别为用户i、j对用户1在信誉关键因素下的信誉反馈评分(取值[0，1]); I SN(i，j) |表示用户i、j的交易伙伴集合的基。sim_DT(i，j)越大，表示用户i、j的信任倾向 相似性越强;sim_DT(i，j)越小，表示用户i、j的信任倾向相似性越弱。 2 步骤203,根据该每一组信任情境的相似度以及该每两个用户对共同交易伙伴的 信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度。
[0109] 其中，该潜在交易组合包括两个未发生过交易的用户，该间接信任度用于指示向 一组潜在交易组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性。
[0110] 计算每组潜在交易组合之间的间接信任度的过程，可以包括如下几个步骤：
[0111] 1)对于一组潜在交易组合，确定所述潜在交易组合中的两个用户之间的若干条信 任路径，所述信任路径中包含至少三个用户，所述信任路径分别以所述潜在交易组合中的 商品购买者为开始点，以所述潜在交易组合中的商品出售者为结束点，且所述信任路径中 任意的相邻两个用户之间发生过商品交易；
[0112] 2)确定所述若干条交易路径中的指定类型信任路径，所述指定类型信任路径是指 所述若干条信任路径中，每两条包含同一证人的信任路径，所述证人是与所述潜在交易组 合中的商品出售者发生过交易的用户；
[0113] 3)对于每一条指定类型信任路径，根据所述指定类型信任路径中每相邻两个用户 对应的信任情境组合的相似度、以及所述相邻两个用户对共同交易伙伴的信任倾向之间的 相似度，计算所述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者 的间接?目任度；
[0114] 4)对于每一条指定类型信任路径，根据所述指定类型信任路径的长度计算所述指 定类型信任路径的可靠性；
[0115] 5)根据所述指定类型信任路径的数量、所述潜在交易组合中的商品出售者的证人 集合、每一条所述指定类型信任路径的可靠性以及每一条所述指定类型信任路径中、所述 潜在交易组合中的商品购买者对商品出售者的间接信任度，计算所述潜在交易组合之间的 间接?目任度。
[0116] 该步骤的实现方式可以包括:模型构造、信任路径推导、信任路径合并、陌生用户 信任计算四个部分，具体如下：
[0117] 一、模型构造
[0118] ①给定时域t，用户i与用户j有过历史交易，则称用户i(j)对用户j(i)存在直接 ?目任_χ/。直接?目任,τ/表不为：
[0119]
[0120]式中，num_trans(i, j)表示在时域七内，用户i与用户j历史交易次数;ρ(0<ρ<1) 为时间衰减因子，表示越近期的交易，其相应的反馈评分权重越大，引入Ρ，旨在加强防范用 户j积累一定的历史信誉后，对用户i实施欺诈；
.表示用户i与用户j第 k次历史交易时，对用户j的平均信誉反馈评分。
[0121]②给定用户i及其潜在交易用户j，设TS(i，j)为用户i、j的信任情境，则对于用户 k，在信任情境TS(i，j)下的可信任用户集合TN(k)定义为：
[0122]
[0123] 式中xeN(k)，表不用尸
k的)力史父易伙伴；$表示用户i对用户k的直接信任度； sim_DT(k，x)表示用户i，k的信任倾向相似性;8加_了5[了5(1，」），了5仏4)]表示信任情境丁5 (1，」）35仏，1)的相似性$表示最小信任度阈值（由用户给定）。
[0124] ③给定时域t，用户i及其交易伙伴集合N(i)，设用户j为用户i的陌生的潜在交易 伙伴，即#1(? Q若用户i与用户j存在信任路径X = X(i，〇1，〇2，…，〇k，…，〇n-i，j)，其中Ok 为信任路径x上的第k个推荐用户，则称信任路径x下，用户i(j)对用户j(i)存在间接信任 (
[0125] 给出用户i对用户k的间接信任;ff的计算公式：
[0126]
[0127] 式中，CRKj)为用户j(推荐人)的可信性，这里采用用户i、j信任倾向相似性，利用 用户i的主观经验，从用户i的角度来度量用户j的可信性，即Ch(j) = sim_DT(i，j); CR2(j) 为推荐的可信性，这里采用用户i、j信任情境相似性来度量用户j推荐行为的可信性，即CR 2 〇)=以111_了5[了5(1，」），了5(1，10];0?2(1〇表示」推荐1^的可信性，即用户」、1^与用户1、1^信任 情境相似性。
[0128] 上面的例子说明了在长度为2信任路径下，计算间接信任的步骤。这里我们给出间 接信任的一般性计算公式。
[0129] 给定时域t，用户i及其交易伙伴集合N(i)，设用户j为用户i的陌生的潜在交易伙 伴，即./g Λφ?，若用户i与用户j存在一长度为丨信任路径χ = χ(〇()，〇1，〇2, · · ·，〇1-ιοο,其 中〇Q=i，〇1 = j，则在信任路径X下，用户i对用户j的间接信任疔可采用以下公式计算：
[0130]
[0131 ]式中，为用户〇k-1对用户〇k的直接信任;CRi(〇k)表不用户〇k的可信性;CR2(〇k)表 示用户〇k推荐的可信性；表示用户oh对用户〇1的直接信任。
[0132] 二、信任路径推导
[0133] 在网上交易环境下，数量庞大的交易者之间形成一个虚拟的社会网络G。由于虚拟 的社会网络规模通常都很大，给定用户之间的信任路径会很多。然而来自第三方的推荐信 任信息在信任路径上传播时，随着信任路径长度的增加，信任推荐信息的失真现象将逐步 加剧，推荐信任信息可靠性也逐步递减;这样长度越长的信任路径，推荐信任信息失真越严 重，推荐信任信息可靠性的递减效果越明显。
[0134] 为了刻画推荐信任信息可靠性随信任路径长度增加而递减的变化规律，给出了一 种基于信任路径长度的推荐信任信息可信性描述函数Cre(.)。
[0135] 给定信任路径X，则X上的推荐信任信息可靠性Cre(x)表示为：
[0136]
[0137] 式中λ表示用户所给定的最长信任路径长度，1为信任路径x的长度。
[0138] 对于给定的一条信任路径X，基于信任路径长度的推荐信任信息可靠性描述函数 Cre (X )，根据X的长度给出具体的推荐信任信息可靠性数值，从而克服传统递减函数所存在 推荐信任计算缺乏全面性的缺陷。
[0139] ④给定用户i、j，用户i、j具有m条信任路径XhXs，· ..xm;则称m条信任路径Xl， X2, · · .Xm 构成一个信任路径簇 X = {Xl，X2, · · .Xm}。
[0140]⑤给定用户i、j的信任路径簇X = {Xl,X2, . . .Xm}，则用户j的证人集合定义为： 厕(/) =糾:?.6? λ爲 eX} Ο
[0141] ⑥对于满足X e厶ΛΧ e WSX./)的用户X，我们称为信任路径的证人X。
[0142] ⑦对于给定的用户i、j，用户i、j具有m条信任路径任路径Xl上的用 户集合为Xi= U〇，il，. . .，i6}，信任路径Xj上的用户集合为Xj= { jo, jl, . . .，J_6};若Xi flXj关 φ，则称信任路径Xi、力为并联信任路径。
[0143] 根据并联信任路径所具有的证人的情况，我们将并联信任路径分为两类：
[0144] 1)1类并联信任路径
[0145] I类并联信任路径是指给定用户i、j及证人集WS(j)，用户i、j具有m条信任路径Xl， X2，· · · Xm ; Xi = { i〇，il，· · ·，i6}，Xj = { j〇，jl，· · ·，J_6}分力丨」为{曰任路、Xj上的用户集合;右 e %'(./)，满足xeXi n ，则称信任路径Χι、χ^ι类并联信任路径。
[0146] 2)11类并联信任路径
[0147] II类并联信任路径是指给定用户i、j，用户i、j具有m条信任路径x1，x2，...x m;x1 = {io，^，. . .，i6}，々={如，土，. . .，j6}分别为信任路径Χι、χ」上的用户集合;若, 无法满足xGXi Π Xj，则称彳目任路径Xi、Xj为II类并联彳目任路径。
[0148] 在社会网络G中，对于给定的用户i、j，两者之间通常会存在多条并联信任路径。并 联信任路径的大量出现，必然会造成给定用户之间的间接信任计算的愈加复杂。为此，在计 算给定用户间的间接信任时，必须对并联信任路径进行合并计算。
[0149] 三、信任路径合并
[0150]设?1是推荐路径上的证人，表示Pi证人引领的第j条推荐路径的信任度，则以Pi 为结点的I类信任路径的合并公式表示如下：
[0151]
[0152] 设?,证人引领的第j条推荐路径上有s个用户，则_ =丨_(丨_丨:)1 l'J 1 。
[0153] 上述方法在进行路径合并时，默认推荐信任信息在信任路径传播时不存在失真问 题，从而忽略了信任路径的长度变化对推荐信任信息可靠性的影响，致使推荐信任计算产 生偏差。为此，本文对上述Beth方法进行了改进，引入了推荐信任信息可靠性Cre(.)。设以 Pi为结点的第j条I类信任路径为则以PiS结点的I类信任路径合并公式表示为：
[0154]
[0155] 式中Cre(Xj)表示I类信任路径&上的推荐信任信息可靠性;表示I类信任路径 Xj的信任度。
[0156] 利用公式，就可以讲多个并联信任路径上的信任度整合，生成一条由给定用户经 证人到目标用户的，信任度为V。?路径，从而实现了多条并联路径的合并。
[0157] 四、陌生用户信任度计算
[0158] 在借鉴传统信任度综合计算方法的基础上，通过引入推荐信任信息可靠性，给出 了改进 的陌生用户信任综合计算公式。
[0159] 给定用户i及陌生用户j，在社会网络下，用户i对陌生用户j间接信任UU)表示 为：
[0160]
[0161] 式中WS(j)表示用尸j证人集合；j . k. *表示用尸j的证人k; k. 1表示以k为结束点的 第1条I类信任路径;nk表示以k为结束点的I类信任路径的数目；Cre(xk.〇为第1条I类信任 路径上的推荐信任可靠性；fi,表示以k为结点的第1条I类信任路径的信任度。
[0162] 步骤204,对于一个商品购买者用户，确定该商品购买者用户所在的各个潜在交易 组合中，间接信任度最高的至少一个潜在交易组合。
[0163] 步骤205,将该信任度最高的至少一个潜在交易组合中的商品出售者用户与该商 品购买者用户之间的关系确定为推荐关系。
[0164] 具体的，推荐系统可以将商品出售者的商品或网络店铺的相关信息推送给商品购 买者的终端。
[0165] 本公开所提出的方案基于给定用户的购买历史，构建相应的其物品集、邻居用户 集，生成社会化网络;借鉴社会网络的思想，利用协同过滤技术，提出了基于社会化的推荐 计算模型。该模型不仅解决了电子商务推荐系统中信任计算缺乏个性化的问题，而且有效 地防范了恶意评价行为的侵害。
[0166] 另外，本公开所示方案实现了物品推荐和信任度社会化计算的有机结合，既有效 地减少了因比较、分析交易伙伴信任度所耗费的时间和精力，降低了信任风险
[0167] 此外，本公开所示方案基于兴趣度相似性、偏好相似性的情境计算思想，推导了类 型路径的兴趣度计算公式，并给出了用户间偏好倾向相似性计算方法，有效地解决了因物 品异质性而无法准确描述偏好相似性的问题，提高了推荐系统的个性化服务质量，为进一 步完善和开展推荐系统个性化服务提供了技术支持。
[0168] 综上所述，本公开实施例所示的方法，通过根据商品类型树以及各个用户之间的 交易商品信息计算每个信任情境组合的相似度，根据各个用户对各自交易商品的商品特征 的评价信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，根据所述每一组信 任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组 潜在交易组合之间的间接信任度，并根据所述每组潜在交易组合之间的间接信任度确定 推荐关系，结合用户之间购买商品类型的相似性以及用户对商品的评价的相似性来考虑用 户之间的推荐是否可信，能够抵恶意评价的欺骗攻击、降低信任风险以及提升推荐的个性 化。
[0169] 图3是根据一示例性实施例示出的一种交易系统中的推荐关系确定装置的框图， 该装置可以通过硬件或者软硬结合的方式实现为计算机设备的一部分，该计算机设备可以 是一台个人电脑、工作站、网络服务器或者云服务平台等。该交易系统中的推荐关系确定装 置可以包括：
[0170] 第一相似度计算模块301，用于根据商品类型树以及各个用户之间的交易商品信 息计算每个信任情境组合的相似度，所述信任情境用于表征两个用户之间存在交易时，商 品购买者对交易商品的兴趣度;一个所述信任情境组合中包含两个信任情境，且所述两个 信任情境的商品购买者不同，商品出售者相同；所述商品类型树用于表征各个商品所属类 型之间的从属关系；
[0171] 第二相似度计算模块302,用于根据各个用户对各自交易商品的商品特征的评价 信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两 个用户之间存在交易时，商品购买者对交易商品的商品特征的评价；
[0172] 间接信任度计算模块303,用于根据所述每一组信任情境的相似度以及所述每两 个用户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任 度，所述潜在交易组合包括两个未发生过交易的用户，所述间接信任度用于指示向一组潜 在交易组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性；
[0173] 推荐关系确定模块304,用于根据所述每组潜在交易组合之间的间接信任度确定 推荐关系。
[0174] 综上所述，本公开实施例所示的装置，通过根据商品类型树以及各个用户之间的 交易商品信息计算每个信任情境组合的相似度，根据各个用户对各自交易商品的商品特征 的评价信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，根据所述每一组信 任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组 潜在交易组合之间的间接信任度，并根据所述每组潜在交易组合之间的间接信任度确定推 荐关系，结合用户之间购买商品类型的相似性以及用户对商品的评价的相似性来考虑用 户之间的推荐是否可信，能够抵恶意评价的欺骗攻击、降低信任风险以及提升推荐的个性 化。
[0175] 图4是根据另一示例性实施例示出的一种交易系统中的推荐关系确定装置的框 图，该装置可以通过硬件或者软硬结合的方式实现为计算机设备的一部分，该计算机设备 可以是一台个人电脑、工作站、网络服务器或者云服务平台等。该交易系统中的推荐关系确 定装置可以包括：
[0176] 第一相似度计算模块301，用于根据商品类型树以及各个用户之间的交易商品信 息计算每个信任情境组合的相似度，所述信任情境用于表征两个用户之间存在交易时，商 品购买者对交易商品的兴趣度;一个所述信任情境组合中包含两个信任情境，且所述两个 信任情境的商品购买者不同，商品出售者相同；所述商品类型树用于表征各个商品所属类 型之间的从属关系；
[0177] 第二相似度计算模块302,用于根据各个用户对各自交易商品的商品特征的评价 信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两 个用户之间存在交易时，商品购买者对交易商品的商品特征的评价；
[0178] 间接信任度计算模块303,用于根据所述每一组信任情境的相似度以及所述每两 个用户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任 度，所述潜在交易组合包括两个未发生过交易的用户，所述间接信任度用于指示向一组潜 在交易组合中的商品购买者推荐该潜在交易组合中的商品出售者的可行性；
[0179] 推荐关系确定模块304,用于根据所述每组潜在交易组合之间的间接信任度确定 推荐关系。
[0180]可选的，对于包含第一信任情境和第二信任情境的一个信任情境组合，所述第一 信任情境的商品购买者为第一用户，所述第二信任情境的商品购买者为第二用户，所述一 组信任情境的商品出售者同为第三用户;所述第一相似度计算模块301，包括：
[0181]集合获取单元301a，用于获取共同类型集合，所述共同类型集合为第一类型集合 和第二类型集合的交集，所述第一类型集合为所述第一用户与所述第三用户之间的交易商 品的类型路径上的各个类型组成的集合，所述第二类型集合为所述第二用户与所述第三 用户之间的交易商品的类型路径上的各个类型组成的集合;所述类型路径为所述商品类型 树中，从通用类型到交易商品的最小类型之间的路径;所述通用类型为所述商品类型树中 处于最顶层的类型；
[0182] 兴趣度计算单元302b，用于计算所述第一用户对所述共同类型集合中每一个类型 的兴趣度，以及所述第二用户对所述共同类型集合中每一个类型的兴趣度；
[0183] 相似度计算单元302c，用于根据所述共同类型集合、所述第一用户对所述共同类 型集合中每一个类型的兴趣度以及所述第二用户对所述共同类型集合中每一个类型的兴 趣度，计算所述信任情境组合的相似度。
[0184] 可选的，所述兴趣度计算单元302b，用于获取第一商品集合以及第二商品集合，所 述第一商品集合为所述第一用户历史购买过的商品的集合，所述第二商品集合为所述第一 用户从所述第三用户处购买过的商品的集合;根据所述第一商品集合、所述第二商品集合 以及第一类型路径确定所述第一用户对所述第一类型路径中各个类型的总兴趣度;所述第 一类型为所述第一用户与所述第三用户之间的交易商品的类型路径;获取所述第一类型路 径中每一个类型下的子类型;根据所述总兴趣度以及所述第一类型路径中每一个类型下的 子类型确定所述第一用户对所述第一类型路径中的各个类型的兴趣度，所述第一类型路径 中的各个类型包含所述共同类型集合中的各个类型。
[0185] 可选的，所述间接信任度计算模块303,包括：
[0186] 第一路径确定单元303a，用于对于一组潜在交易组合，确定所述潜在交易组合中 的两个用户之间的若干条信任路径，所述信任路径中包含至少三个用户，所述信任路径分 别以所述潜在交易组合中的商品购买者为开始点，以所述潜在交易组合中的商品出售者为 结束点，且所述信任路径中任意的相邻两个用户之间发生过商品交易；
[0187]第二路径确定单元303b，用于确定所述若干条交易路径中的指定类型信任路径， 所述指定类型信任路径是指所述若干条信任路径中，每两条包含同一证人的信任路径，所 述证人是与所述潜在交易组合中的商品出售者发生过交易的用户；
[0188]第一间接信任度计算单元303c，用于对于每一条指定类型信任路径，根据所述指 定类型信任路径中每相邻两个用户对应的信任情境组合的相似度、以及所述相邻两个用 户对共同交易伙伴的信任倾向之间的相似度，计算所述指定类型信任路径中、所述潜在交 易组合中的商品购买者对商品出售者的间接信任度；
[0189]可靠性计算单元303d，用于对于每一条指定类型信任路径，根据所述指定类型信 任路径的长度计算所述指定类型信任路径的可靠性；
[0190]第二间接信任度计算单元303e，用于根据所述指定类型信任路径的数量、所述潜 在交易组合中的商品出售者的证人集合、每一条所述指定类型信任路径的可靠性以及每一 条所述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的间接信任 度，计算所述潜在交易组合之间的间接信任度。
[0191 ]可选的，所述推荐关系确定模块304，包括：
[0192] 组合确定单元304a，用于对于一个商品购买者用户，确定所述商品购买者用户所 在的各个潜在交易组合中，间接信任度最高的至少一个潜在交易组合；
[0193] 关系确定单元304b，用于将所述信任度最高的至少一个潜在交易组合中的商品出 售者用户与所述商品购买者用户之间的关系确定为推荐关系。
[0194] 需要说明的一点是，上述实施例提供的装置在执行。。。方法时，仅以上述各个功能 模块的划分进行举例说明，实际应用中，可以根据实际需要而将上述功能分配由不同的功 能模块完成，即将设备的内容结构划分成不同的功能模块，以完成以上描述的全部或者部 分功能。
[0195] 关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法 的实施例中进行了详细描述，此处将不做详细阐述说明。
[0196] 图5是根据一示例性实施例示出的一种装置500的框图。例如，装置500可以被提供 为一服务器。参照图5,装置500包括处理组件522,其进一步包括一个或多个处理器，以及由 存储器532所代表的存储器资源，用于存储可由处理部件522执行的指令，例如应用程序。存 储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此 外，处理组件522被配置为执行指令，以执行上述图1或2所示的方法。
[0197] 装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有 线或无线网络接口 550被配置为将装置500连接到网络，和一个输入输出（I/O)接口 558。装 置500可以操作基于存储在存储器532的操作系统，例如Win dows ServerTM，Mac OS XTM， UnixTM，LinuxTM，FreeBSDTM 或类似。
[0198] 本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其 它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或 者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识 或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的 权利要求指出。
[0199] 应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并 且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1. 一种交易系统中的推荐关系确定方法，其特征在于，所述方法由计算机设备执行，所 述方法包括： 根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境组合的相似度， 所述信任情境用于表征两个用户之间存在交易时，商品购买者对交易商品的兴趣度;一个 所述信任情境组合中包含两个信任情境，且所述两个信任情境的商品购买者不同，商品出 售者相同；所述商品类型树用于表征各个商品所属类型之间的从属关系； 根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户对共同交易伙 伴的信任倾向之间的相似度，所述信任倾向用于表征两个用户之间存在交易时，商品购买 者对交易商品的商品特征的评价； 根据所述每一组信任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向 之间的相似度计算每组潜在交易组合之间的间接信任度，所述潜在交易组合包括两个未发 生过交易的用户，所述间接信任度用于指示向一组潜在交易组合中的商品购买者推荐该潜 在交易组合中的商品出售者的可行性； 根据所述每组潜在交易组合之间的间接信任度确定推荐关系。2. 根据权利要求1所述的方法，其特征在于，对于包含第一信任情境和第二信任情境的 一个信任情境组合，所述第一信任情境的商品购买者为第一用户，所述第二信任情境的商 品购买者为第二用户，所述一组信任情境的商品出售者同为第三用户；所述根据商品类型 树以及各个用户之间的交易商品信息计算每一个信任情境组合的相似度，包括： 获取共同类型集合，所述共同类型集合为第一类型集合和第二类型集合的交集，所述 第一类型集合为所述第一用户与所述第三用户之间的交易商品的类型路径上的各个类型 组成的集合，所述第二类型集合为所述第二用户与所述第三用户之间的交易商品的类型路 径上的各个类型组成的集合;所述类型路径为所述商品类型树中，从通用类型到交易商品 的最小类型之间的路径;所述通用类型为所述商品类型树中处于最顶层的类型； 计算所述第一用户对所述共同类型集合中每一个类型的兴趣度，以及所述第二用户对 所述共同类型集合中每一个类型的兴趣度； 根据所述共同类型集合、所述第一用户对所述共同类型集合中每一个类型的兴趣度以 及所述第二用户对所述共同类型集合中每一个类型的兴趣度，计算所述信任情境组合的相 似度。3. 根据权利要求2所述的方法，其特征在于，所述计算所述第一用户对所述类型交集中 每一个类型的兴趣度，包括： 获取第一商品集合以及第二商品集合，所述第一商品集合为所述第一用户历史购买过 的商品的集合，所述第二商品集合为所述第一用户从所述第三用户处购买过的商品的集 合； 根据所述第一商品集合、所述第二商品集合以及第一类型路径确定所述第一用户对所 述第一类型路径中各个类型的总兴趣度;所述第一类型为所述第一用户与所述第三用户之 间的交易商品的类型路径； 获取所述第一类型路径中每一个类型下的子类型； 根据所述总兴趣度以及所述第一类型路径中每一个类型下的子类型确定所述第一用 户对所述第一类型路径中的各个类型的兴趣度，所述第一类型路径中的各个类型包含所述 共同类型集合中的各个类型。4. 根据权利要求1所述的方法，其特征在于，所述根据所述每一组信任情境的相似度以 及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间 的间接信任度，包括： 对于一组潜在交易组合，确定所述潜在交易组合中的两个用户之间的若干条信任路 径，所述信任路径中包含至少三个用户，所述信任路径分别以所述潜在交易组合中的商品 购买者为开始点，以所述潜在交易组合中的商品出售者为结束点，且所述信任路径中任意 的相邻两个用户之间发生过商品交易； 确定所述若干条交易路径中的指定类型信任路径，所述指定类型信任路径是指所述若 干条信任路径中，每两条包含同一证人的信任路径，所述证人是与所述潜在交易组合中的 商品出售者发生过交易的用户； 对于每一条指定类型信任路径，根据所述指定类型信任路径中每相邻两个用户对应的 信任情境组合的相似度、以及所述相邻两个用户对共同交易伙伴的信任倾向之间的相似 度，计算所述指定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的间 接信任度； 对于每一条指定类型信任路径，根据所述指定类型信任路径的长度计算所述指定类型 信任路径的可靠性； 根据所述指定类型信任路径的数量、所述潜在交易组合中的商品出售者的证人集合、 每一条所述指定类型信任路径的可靠性以及每一条所述指定类型信任路径中、所述潜在交 易组合中的商品购买者对商品出售者的间接信任度，计算所述潜在交易组合之间的间接信 任度。5. 根据权利要求1所述的方法，其特征在于，所述根据所述每组潜在交易组合之间的间 接信任度确定推荐关系，包括： 对于一个商品购买者用户，确定所述商品购买者用户所在的各个潜在交易组合中，间 接信任度最高的至少一个潜在交易组合； 将所述信任度最高的至少一个潜在交易组合中的商品出售者用户与所述商品购买者 用户之间的关系确定为推荐关系。6. -种交易系统中的推荐关系确定装置，其特征在于，所述装置设置在计算机设备中， 所述装置包括： 第一相似度计算模块，用于根据商品类型树以及各个用户之间的交易商品信息计算每 个信任情境组合的相似度，所述信任情境用于表征两个用户之间存在交易时，商品购买者 对交易商品的兴趣度;一个所述信任情境组合中包含两个信任情境，且所述两个信任情境 的商品购买者不同，商品出售者相同；所述商品类型树用于表征各个商品所属类型之间的 从属关系； 第二相似度计算模块，用于根据各个用户对各自交易商品的商品特征的评价信息计算 每两个用户对共同交易伙伴的信任倾向之间的相似度，所述信任倾向用于表征两个用户之 间存在交易时，商品购买者对交易商品的商品特征的评价； 间接信任度计算模块，用于根据所述每一组信任情境的相似度以及所述每两个用户对 共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度，所述潜 在交易组合包括两个未发生过交易的用户，所述间接信任度用于指示向一组潜在交易组合 中的商品购买者推荐该潜在交易组合中的商品出售者的可行性； 推荐关系确定模块，用于根据所述每组潜在交易组合之间的间接信任度确定推荐关 系。7. 根据权利要求6所述的装置，其特征在于，对于包含第一信任情境和第二信任情境的 一个信任情境组合，所述第一信任情境的商品购买者为第一用户，所述第二信任情境的商 品购买者为第二用户，所述一组信任情境的商品出售者同为第三用户；所述第一相似度计 算模块，包括： 集合获取单元，用于获取共同类型集合，所述共同类型集合为第一类型集合和第二类 型集合的交集，所述第一类型集合为所述第一用户与所述第三用户之间的交易商品的类型 路径上的各个类型组成的集合，所述第二类型集合为所述第二用户与所述第三用户之间的 交易商品的类型路径上的各个类型组成的集合;所述类型路径为所述商品类型树中，从通 用类型到交易商品的最小类型之间的路径;所述通用类型为所述商品类型树中处于最顶层 的类型； 兴趣度计算单元，用于计算所述第一用户对所述共同类型集合中每一个类型的兴趣 度，以及所述第二用户对所述共同类型集合中每一个类型的兴趣度； 相似度计算单元，用于根据所述共同类型集合、所述第一用户对所述共同类型集合中 每一个类型的兴趣度以及所述第二用户对所述共同类型集合中每一个类型的兴趣度，计算 所述信任情境组合的相似度。8. 根据权利要求7所述的装置，其特征在于，所述兴趣度计算单元，用于获取第一商品 集合以及第二商品集合，所述第一商品集合为所述第一用户历史购买过的商品的集合，所 述第二商品集合为所述第一用户从所述第三用户处购买过的商品的集合;根据所述第一商 品集合、所述第二商品集合以及第一类型路径确定所述第一用户对所述第一类型路径中各 个类型的总兴趣度;所述第一类型为所述第一用户与所述第三用户之间的交易商品的类型 路径;获取所述第一类型路径中每一个类型下的子类型;根据所述总兴趣度以及所述第一 类型路径中每一个类型下的子类型确定所述第一用户对所述第一类型路径中的各个类型 的兴趣度，所述第一类型路径中的各个类型包含所述共同类型集合中的各个类型。9. 根据权利要求6所述的装置，其特征在于，所述间接信任度计算模块，包括： 第一路径确定单元，用于对于一组潜在交易组合，确定所述潜在交易组合中的两个用 户之间的若干条信任路径，所述信任路径中包含至少三个用户，所述信任路径分别以所述 潜在交易组合中的商品购买者为开始点，以所述潜在交易组合中的商品出售者为结束点， 且所述信任路径中任意的相邻两个用户之间发生过商品交易； 第二路径确定单元，用于确定所述若干条交易路径中的指定类型信任路径，所述指定 类型信任路径是指所述若干条信任路径中，每两条包含同一证人的信任路径，所述证人是 与所述潜在交易组合中的商品出售者发生过交易的用户； 第一间接信任度计算单元，用于对于每一条指定类型信任路径，根据所述指定类型信 任路径中每相邻两个用户对应的信任情境组合的相似度、以及所述相邻两个用户对共同交 易伙伴的信任倾向之间的相似度，计算所述指定类型信任路径中、所述潜在交易组合中的 商品购买者对商品出售者的间接信任度； 可靠性计算单元，用于对于每一条指定类型信任路径，根据所述指定类型信任路径的 长度计算所述指定类型信任路径的可靠性； 第二间接信任度计算单元，用于根据所述指定类型信任路径的数量、所述潜在交易组 合中的商品出售者的证人集合、每一条所述指定类型信任路径的可靠性以及每一条所述指 定类型信任路径中、所述潜在交易组合中的商品购买者对商品出售者的间接信任度，计算 所述潜在交易组合之间的间接信任度。10.根据权利要求6所述的装置，其特征在于，所述推荐关系确定模块，包括： 组合确定单元，用于对于一个商品购买者用户，确定所述商品购买者用户所在的各个 潜在交易组合中，间接信任度最高的至少一个潜在交易组合； 关系确定单元，用于将所述信任度最高的至少一个潜在交易组合中的商品出售者用户 与所述商品购买者用户之间的关系确定为推荐关系。
【专利摘要】本公开是关于一种交易系统中的推荐关系确定方法及装置，属于计算机应用领域。方法包括：根据商品类型树以及各个用户之间的交易商品信息计算每个信任情境组合的相似度；根据各个用户对各自交易商品的商品特征的评价信息计算每两个用户对共同交易伙伴的信任倾向之间的相似度；根据所述每一组信任情境的相似度以及所述每两个用户对共同交易伙伴的信任倾向之间的相似度计算每组潜在交易组合之间的间接信任度；根据所述每组潜在交易组合之间的间接信任度确定推荐关系；结合用户之间购买商品类型的相似性以及用户对商品的评价的相似性来考虑用户之间的推荐是否可信，能够抵恶意评价的欺骗攻击、降低信任风险以及提升推荐的个性化。
【IPC分类】G06Q30/02, G06Q30/00
【公开号】CN105488684
【申请号】CN201510784757
【发明人】张巍
【申请人】孙宝文, 张巍
【公开日】2016年4月13日
【申请日】2015年11月16日
最新回复(0)