融合用戶信任與項目關系的社會化推薦算法研究.pdf

1、個性化推薦系統(tǒng)作為信息過濾的有效工具越來越受到人們的關注。因為它能幫助用戶從大量的數(shù)據中迅速查找出他們所需要的信息，目前已經成為電子商務應用的一個重要組成部分。在個性化推薦系統(tǒng)中，協(xié)同過濾是一種廣泛使用的推薦技術，這種推薦技術是根據志同道合的用戶的評級做出推薦，但是傳統(tǒng)的協(xié)同過濾算法通常都存在著數(shù)據稀疏和冷啟動等問題，在實際應用中推薦的準確度欠佳。為了解決此問題，許多基于模型的協(xié)同過濾的推薦算法已經提出并取得了不錯的成果，其中，奇異值矩

2、陣分解（SVD）是近幾年被廣泛研究的一種高效的推薦技術。在Web2.0環(huán)境下，隨著社交網絡的廣泛應用，傳統(tǒng)的矩陣分解推薦方法由于沒有考慮用戶的社交關系，因此難以取得理想的推薦結果。社會化推薦方法由于能夠結合社會網絡信息的特點來模擬真實社會的推薦過程，大大提高了推薦的準確性。本文通過對國內外協(xié)同過濾推薦算法的深入分析，在社會化推薦思想的指引下，提出了在傳統(tǒng)的矩陣分解推薦算法中融合用戶的社會信任信息和隱含項目關系兩種通用的策略。
　　

3、本文的主要工作包括以下幾個方面：
　　1.對傳統(tǒng)推薦系統(tǒng)的分類、評價指標、存在的問題進行了綜述，并重點闡述了基于模型的協(xié)同過濾推薦。然后論述了目前方興未艾的社會化推薦，結合社交網絡中的用戶社會關系與協(xié)同過濾中的項目關系引出本文的課題。
　　2.結合社交網絡的特點，基于用戶的偏好與社交網絡中的好友有直接的影響，以奇異值（SVD）矩陣分解模型為基礎，提出了融合直接朋友關系和偏置信息對矩陣分解進行改進,構建正則化模型。并通過在 F

4、lixster數(shù)據集上進行大量的實驗，驗證了本文提出的算法與所比較的經典方法在準確度方面有較大的提升。
　　3.針對用戶對項目的評分不僅與自己的興趣有關，還與用戶的隱式評分、所信任朋友的興趣以及所評分的隱式項目有關。所以，本文對奇異值（SVD）矩陣分解模型進行改進，融合了社交網絡中的信任關系和隱式項目關系來構建正則化模型，并使用隨機梯度下降法生成用戶的潛在特征和項目的潛在特征，以此為用戶推薦感興趣的項目。通過在Flixster、F