上下文感知的多維信任推薦方法研究.pdf

1、個(gè)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(duì)物品的評(píng)分中計(jì)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(píng)分預(yù)測(cè)目標(biāo)用戶可能的評(píng)分并給予推薦。傳統(tǒng)的協(xié)同過濾算法通常在實(shí)際應(yīng)用中都存在著數(shù)據(jù)稀疏和冷啟動(dòng)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(shí)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(duì)國(guó)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(yàn)過濾掉無關(guān)上下文，選出對(duì)用戶評(píng)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(duì)用戶評(píng)分矩陣進(jìn)行聚類。聚類后在同一類別的評(píng)分相較聚類前矩陣中的評(píng)分相關(guān)程度更大（也即缺失評(píng)分更能夠由已知評(píng)分準(zhǔn)確的預(yù)測(cè)出來）。再次，計(jì)算用戶之間的評(píng)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