戶集合中的每一用戶的影響力值包括：
[0265] 獲取所述用戶集合中用戶的參與行為涉及的項目組成的項目集合；
[0266] 獲取所述用戶集合的每一用戶針對于所述項目集合中的每一項目的活躍度，并形 成用戶與項目的矩陣；
[0267] 生成并初始化用戶向量以及項目本征向量，其中，所述用戶向量的元素值代表所 述用戶集合中用戶初始的影響力值，所述項目本征向量的元素值代表所述項目集合中項目 的屬性的初始值；
[0268] 通過能量傳播迭代算法對所述矩陣、用戶向量和項目本征向量進行迭代計算，并 將所述迭代計算后用戶向量的元素值作為所述用戶集合中用戶的影響力值；
[0269] 其中，所述活躍度表征所述用戶集合中每一用戶針對于所述項目集合中每一項目 的參與程度。
[0270] 可選的，所述獲取所述用戶集合的每一用戶針對于所述項目集合中的每一項目的 活躍度包括：
[0271] 對于所述用戶集合中每一用戶，獲取該用戶針對于所述項目集合中每一項目的所 有參與行為的集合，以及該參與行為的集合中每一種參與行為的參與次數和每一種參與行 為對應的行為權重；
[0272] 計算所述參與行為的集合中每一種參與行為的參與次數與行為權重的乘積，并計 算該集合中所有參與行為的參與次數與行為權重的乘積的加權值，將該加權值作為所述用 戶集合中每一用戶針對于所述項目集合中每一項目的活躍度。
[0273] 可選的，所述通過能量傳播迭代算法對所述矩陣、用戶向量和項目本征向量進行 迭代計算包括：
[0274] 計算所述項目本征向量與所述用戶與項目的矩陣的轉置矩陣的乘積，將該乘積作 為所述用戶向量的值，并將該計算視為項目上的作用力通過用戶行為作用到用戶影響力的 一次能量傳播；
[0275] 將計算獲得的用戶向量與所述用戶與項目的矩陣的乘積作為項目向量，并將該計 算視為用戶的影響力通過有用戶參與行為的項目向其他用戶的一次能量傳播；
[0276] 根據迭代次數重復上述能量傳播運算過程；
[0277] 其中，所述迭代次數根據設定的經驗值確定或者根據被計算的向量在相鄰兩次計 算后的模的差值小于設置定的值而確定。
[0278] 可選的，所述根據用戶的參與行為所涉及的項目獲取所述用戶集合的每一用戶與 所述目標用戶之間的相似度包括：
[0279] 利用相似度算法計算所述用戶集合的每一用戶與目標用戶之間的相似度；
[0280] 其中，所述相似度算法包括：余弦相似度算法、皮爾森（Pearson)相關系數算法或 調整余弦相似度算法。
[0281] 可選的，所述結合所述用戶集合中每一用戶的影響力值和所述用戶集合中每一用 戶與目標用戶之間的相似度，計算目標用戶與所述用戶集合中每一用戶之間的影響力相似 度包括：
[0282] 計算所述用戶集合中每一用戶的影響力值與影響力值對應的參數的乘積，以及所 述相似度與相似度對應的參數的乘積；
[0283] 將所述二者乘積相加所得的值作為所述目標用戶與所述用戶集合中每一用戶之 間的影響力相似度；
[0284] 其中，所述參數的值根據所述項目集合中項目對應的項目種類確定。
[0285] 可選的，所述結合該預測值選取所述待推薦給目標用戶的項目集合中至少一個項 目向目標用戶推薦包括：
[0286] 選取所述待推薦給目標用戶的項目集合中所述預測值最高的至少一個項目向所 述目標用戶推薦；或者
[0287] 選取所述項目集合中所述預測值大于設定值的項目向所述目標用戶推薦。
[0288] 所述用于參與項目的推薦裝置實施例如下：
[0289] 參照圖6,其示出了本實施例提供的用于參與項目的推薦裝置示意圖。
[0290] 由于裝置實施例基本相似于方法實施例，所以描述得比較簡單，相關的部分請參 見方法實施例的對應說明即可。下述描述的裝置實施例僅僅是示意性的。
[0291] 本實施例所述的用于參與項目的推薦裝置，包括：
[0292] 用戶獲取單元601，用于獲取對目標用戶的參與行為涉及的項目集合中項目有過 參與行為的用戶組成的用戶集合；
[0293] 影響力值獲取單元602,用于獲取該用戶集合中的每一用戶的影響力值；
[0294] 相似度獲取單元603,用于根據用戶的參與行為所涉及的項目獲取所述用戶集合 的每一用戶與所述目標用戶之間的相似度；
[0295] 影響力相似度計算單元604,用于結合所述用戶集合中每一用戶的影響力值和所 述用戶集合中每一用戶與目標用戶之間的相似度，計算目標用戶與所述用戶集合中每一用 戶之間的影響力相似度；
[0296] 待推薦項目獲取單元605,用于獲取所述用戶集合中影響力相似度最高的至少一 名用戶的參與行為涉及的項目集合，并將該項目集合作為待推薦給目標用戶的項目集合；
[0297] 推薦單元606,用于計算目標用戶對所述待推薦給目標用戶的項目集合中每一項 目的興趣度的預測值，并結合該預測值選取所述待推薦給目標用戶的項目集合中至少一個 項目向目標用戶推薦。
[0298] 本申請雖然以較佳實施例公開如上，但其并不是用來限定本申請，任何本領域技 術人員在不脫離本申請的精神和范圍內，都可以做出可能的變動和修改，因此本申請的保 護范圍應當以本申請權利要求所界定的范圍為準。
[0299] 在一個典型的配置中，計算設備包括一個或多個處理器（CPU)、輸入/輸出接口、 網絡接口和內存。
[0300] 內存可能包括計算機可讀介質中的非永久性存儲器，隨機存取存儲器（RAM)和/ 或非易失性內存等形式，如只讀存儲器（ROM)或閃存（flash RAM)。內存是計算機可讀介質 的示例。
[0301] 1、計算機可讀介質包括永久性和非永久性、可移動和非可移動媒體可以由任何 方法或技術來實現信息存儲。信息可以是計算機可讀指令、數據結構、程序的模塊或其 他數據。計算機的存儲介質的例子包括，但不限于相變內存（PRAM)、靜態隨機存取存儲 器（SRAM)、動態隨機存取存儲器（DRAM)、其他類型的隨機存取存儲器（RAM)、只讀存儲器 (ROM)、電可擦除可編程只讀存儲器（EEPROM)、快閃記憶體或其他內存技術、只讀光盤只讀 存儲器（CD-ROM)、數字多功能光盤（DVD)或其他光學存儲、磁盒式磁帶，磁帶磁磁盤存儲或 其他磁性存儲設備或任何其他非傳輸介質，可用于存儲可以被計算設備訪問的信息。按照 本文中的界定，計算機可讀介質不包括非暫存電腦可讀媒體（transitory media)，如調制 的數據信號和載波。
[0302] 2、本領域技術人員應明白，本申請的實施例可提供為方法、系統或計算機程序產 品。因此，本申請可采用完全硬件實施例、完全軟件實施例或結合軟件和硬件方面的實施例 的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用 存儲介質（包括但不限于磁盤存儲器、CD-ROM、光學存儲器等）上實施的計算機程序產品的 形式。
【主權項】
1. 一種用于用戶參與項目的推薦方法，其特征在于，包括： 獲取待推薦給目標用戶的項目集合； 獲取對所述待推薦給目標用戶的項目集合中項目有過參與行為的用戶組成的用戶集 合； 獲取該用戶集合中的每一用戶的影響力值； 根據用戶的參與行為所涉及的項目獲取所述用戶集合的每一用戶與所述目標用戶之 間的相似度； 結合所述用戶集合中每一用戶的影響力值和該用戶集合中每一用戶與所述目標用戶 之間的相似度，計算所述目標用戶對所述待推薦給目標用戶的項目集合中每一項目的興趣 度的預測值； 結合該預測值選取所述待推薦給目標用戶的項目集合中至少一個項目向所述目標用 戶推薦； 其中，所述用戶的影響力值根據用戶的歷史操作行為確定。2. 根據權利要求1所述的用于用戶參與項目的推薦方法，其特征在于，所述獲取待推 薦給目標用戶的項目集合包括： 獲取所述目標用戶的參與行為所涉及的項目； 獲取該項目對應的項目種類下所有的有過用戶的參與行為的項目的集合，將所述項目 的集合作為待推薦給目標用戶的項目集合。3. 根據權利要求1所述的用于用戶參與項目的推薦方法，其特征在于，所述獲取該用 戶集合中的每一用戶的影響力值包括： 獲取所述用戶集合中每一用戶針對于所述項目集合中每一項目的活躍度，并形成用戶 與項目的矩陣； 生成并初始化用戶向量和項目本征向量，其中，所述用戶向量的元素值代表所述用戶 集合中用戶初始的影響力值，所述項目本征向量的元素值代表所述項目集合中項目的屬性 的初始值； 通過能量傳播迭代算法對所述用戶與項目的矩陣、用戶向量和項目本征向量進行迭代 計算，并將所述迭代計算后用戶向量的元素值作為所述用戶集合中用戶的影響力值； 其中，所述活躍度表征所述用戶集合中每一用戶針對于所述項目集合中每一項目的參 與程度。4. 根據權利要求3所述的用于用戶參與項目的推薦方法，其特征在于，所述獲取所述 用戶集合中每一用戶針對于所述項目集合中每一項目的活躍度包括： 對于所述用戶集合中每一用戶，獲取該用戶針對于所述項目集合中每一項目的所有參 與行為的集合，以及該集合中每一種參與行為的參與次數和每一種參與行為對應的行為權 重； 計算所述集合中每一種參與行為的參與次數與行為權重的乘積，并計算該集合中所有 參與行為的參與次數與行為權重的乘積的加權值，將該加權值作為所述用戶集合中每一用 戶針對于所述項目集合中每一項目的活躍度。5. 根據權利要求3或4所述的用于用戶參與項目的推薦方法，其特征在于，所述通過能 量傳播迭代算法對所述用戶與項目的矩陣、用戶向量和項目本征向量進行迭代計算包括： 計算所述項目本征向量與所述用戶與項目的矩陣的轉置矩陣的乘積，將該乘積作為所 述用戶向量的值，并將該計算視為項目上的作用力通過用戶行為作用到用戶影響力的一次 能量傳播； 將計算獲得的用戶向量與所述用戶與項目的矩陣的乘積作為項目向量，并將該計算視 為用戶的影響力通過有用戶參與行為的項目向其他用戶的一次能量傳播； 根據迭代次數重復上述能量傳播運算過程； 其中，所述迭代次數根據設定的經驗值確定或者根據被計算的向量在相鄰兩次計算后 的模的差值小于設置定的值而確定。6. 根據權利要求1所述的用于用戶參與項目的推薦方法，其特征在于，所述根據用戶 的參與行為所涉及的項目獲取所述用戶集合中每一用戶與所述目標用戶之間的相似度包 括： 利用相似度算法計算所述用戶集合的每一用戶與目標用戶之間的相似度； 其中，所述相似度算法包括：余弦相似度算法、皮爾森（Pearson)相關系數算法或調整 余弦相似度算法。7. 根據權利要求1所述的用于用戶參與項目的推薦方法，其特征在于，所述結合所述 用戶集合中每一用戶的影響力值和該用戶集合中每一用戶與所述目標用戶之間的相似度， 計算所述目標用戶對所述待推薦給目標用戶的項目集合中每一項目的興