基于用戶信任傳播和社交網(wǎng)絡(luò)的服務(wù)推薦.pdf

1、隨著面向服務(wù)計(jì)算的快速發(fā)展，WebService技術(shù)在近年來受到越來越多的關(guān)注并且在學(xué)術(shù)界和工業(yè)界取得了巨大的成功。服務(wù)推薦是面向服務(wù)計(jì)算中一個(gè)非常重要的研究方面，在幫助用戶走出信息過載困境，挖掘用戶潛在需求和提升企業(yè)價(jià)值方面發(fā)揮著重要的作用。在傳統(tǒng)的推薦算法中主要包含三類推薦算法:1）基于用戶行為數(shù)據(jù)，這類算法的典型代表是基于協(xié)同過濾的推薦算法，但該算法在用戶數(shù)稀疏的情況下，推薦效果不理想;2）基于用戶標(biāo)簽數(shù)據(jù)，這類算法主要根據(jù)用戶的

2、生成內(nèi)容來為用戶進(jìn)行推薦，推薦流程簡單但是容易收到用戶虛假信息的攻擊，從而使得推薦結(jié)果缺乏參考意義;3）基于社交網(wǎng)絡(luò)數(shù)據(jù)，這類算法模擬目標(biāo)用戶在現(xiàn)實(shí)社會(huì)中的虛擬人際關(guān)系，能為目標(biāo)用戶推薦個(gè)性化的服務(wù)，但是并沒有把用戶之間的信任考慮在內(nèi)，使得被推薦的服務(wù)缺乏一定的可信度。本文提出了基于用戶信任傳播和社交網(wǎng)絡(luò)的服務(wù)推薦算法，該算法結(jié)合用戶社交網(wǎng)絡(luò)和用戶信任網(wǎng)絡(luò)為目標(biāo)用戶進(jìn)行服務(wù)的推薦。
　　首先本文提出新的用戶相似度度量方法，用戶興趣

3、相似度和用戶信任度兩者的結(jié)合最終形成用戶與用戶之間的相似度。一方面，用戶興趣相似度的計(jì)算基于用戶歷史服務(wù)使用記錄，利用矩陣分解的技術(shù)計(jì)算用戶興趣相似度，這在一定程度上能解決用戶冷啟動(dòng)問題;另一方面，把用戶信任度考慮在內(nèi)，從而使得為目標(biāo)用戶找到的用戶組更具有相似性。
　　然后本文提出新的信任傳播和聚合策略，在傳統(tǒng)的信任傳播算法中，當(dāng)信任在用戶信任網(wǎng)絡(luò)中進(jìn)行傳播時(shí)都是隨機(jī)選擇一個(gè)節(jié)點(diǎn)作為信任傳播的下一個(gè)節(jié)點(diǎn)，而在本文提出的算法中根據(jù)信

4、任相關(guān)度進(jìn)行游走目標(biāo)的選擇，可以使得每次游走更趨向于選擇與當(dāng)前用戶興趣偏好更相似的信任用戶，這樣每次游走時(shí)都選擇與當(dāng)前節(jié)點(diǎn)最相似的用戶作為下一個(gè)節(jié)點(diǎn)。
　　最后本文提出的基于用戶信任傳播和社交網(wǎng)絡(luò)的服務(wù)推薦算法通過結(jié)合社交網(wǎng)絡(luò)和用戶信任，既考慮歷史記錄中顯示出的用戶偏好共同的相似性，又考慮用戶之間的信任問題，使得推薦結(jié)果在滿足興趣偏好的同時(shí)也使得推薦推薦結(jié)果具有一定的可信度。對比實(shí)驗(yàn)表明本文提出的算法與傳統(tǒng)的推薦算法在推薦準(zhǔn)確率上