上下文感知的多維信任推薦方法研究.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人們關(guān)注。作為迄今為止最成功的推薦技術(shù)，協(xié)同過濾的核心首先是從用戶對物品的評分中計算用戶相似度或者物品相似度，進(jìn)而基于相似用戶或者相似物品的評分預(yù)測目標(biāo)用戶可能的評分并給予推薦。傳統(tǒng)的協(xié)同過濾算法通常在實際應(yīng)用中都存在著數(shù)據(jù)稀疏和冷啟動等問題，從而影響推薦的準(zhǔn)確度。為了緩解這些問題，概率矩陣分解模型被廣泛研究，同時為了進(jìn)一步提高推薦系統(tǒng)的性能，研究人員提出了基于上下文與基于社交信任的推薦模型。

2、通過對國內(nèi)外推薦算法的深入分析，本文提出了上下文感知的多維信任推薦模型。
　　首先，通過t校驗過濾掉無關(guān)上下文，選出對用戶評分有較大影響的相關(guān)上下文。其次，利用選取的上下文通過混合高斯聚類方法對用戶評分矩陣進(jìn)行聚類。聚類后在同一類別的評分相較聚類前矩陣中的評分相關(guān)程度更大（也即缺失評分更能夠由已知評分準(zhǔn)確的預(yù)測出來）。再次，計算用戶之間的評分相似度，并與用戶之間的信任關(guān)系相結(jié)合，構(gòu)建用戶間的多維信任關(guān)系，從而更好地量化用戶間的信任