基于用戶行為的信任感知推薦方法研究.pdf

1、推薦為用戶利用網(wǎng)絡(luò)資源提供了極大的便利。按照輸入信息是否清晰明確，可以將推薦分為兩類(lèi)：(1)基于關(guān)鍵詞的推薦，(2)基于用戶潛在行為和關(guān)系的推薦。最常用的基于關(guān)鍵詞的推薦即搜索。用戶輸入關(guān)鍵詞，搜索引擎返回與該關(guān)鍵詞最接近的搜索結(jié)果。然而傳統(tǒng)搜索引擎主要從提高搜索結(jié)果的查全率和查準(zhǔn)率提升用戶對(duì)搜索結(jié)果的滿意程度，忽視了區(qū)分背景不同的用戶對(duì)相同關(guān)鍵詞期望的搜索結(jié)果也不同。單純提高搜索引擎的查全率和查準(zhǔn)率已經(jīng)不能為用戶提供滿意的推薦，這是由

2、于基于關(guān)鍵字的搜索包含的信息有限或者缺乏對(duì)用戶隱含需求的挖掘，導(dǎo)致搜索結(jié)果不能滿足用戶的個(gè)性化需求。因此滿足用戶的個(gè)性化需求是提高搜索質(zhì)量的關(guān)鍵因素之一。本文認(rèn)為提高個(gè)性化搜索質(zhì)量主要取決于挖掘用戶隱含信息的準(zhǔn)確度，以及實(shí)時(shí)地反映用戶偏好變化。本文通過(guò)對(duì)搜索行為的系統(tǒng)研究，提出從以下幾個(gè)方面改進(jìn)搜索質(zhì)量：
　　(1)提出基于用戶行為的個(gè)性化搜索結(jié)果預(yù)測(cè)方法，通過(guò)分析用戶的歷史訪問(wèn)行為，建立用戶行為和偏好的隱馬爾可夫模型(HMM)，

3、預(yù)測(cè)用戶的搜索偏好，實(shí)現(xiàn)用戶個(gè)性化搜索。為了提高該方法的效率，通過(guò)將相似的用戶聚類(lèi)，減少了估計(jì)HMM參數(shù)的時(shí)間，得到一種效率較高的個(gè)性化搜索方法。
　　(2)研究網(wǎng)頁(yè)排名對(duì)搜索質(zhì)量的影響，針對(duì)網(wǎng)頁(yè)通過(guò)彼此鏈接提高自身排名的現(xiàn)象，本文通過(guò)分析現(xiàn)有網(wǎng)頁(yè)的拓?fù)浣Y(jié)構(gòu)，提出一種由網(wǎng)頁(yè)提升系數(shù)識(shí)別并剔除排名異常提升網(wǎng)頁(yè)的方法，有效地提高了搜索結(jié)果的質(zhì)量。
　　推薦過(guò)程中必需面對(duì)的另一個(gè)問(wèn)題是當(dāng)用戶沒(méi)有明確的需求時(shí)，如何為用戶提供合理的推

4、薦，幫助用戶做出決定。本文通過(guò)對(duì)用戶行為和信任關(guān)系的系統(tǒng)研究，提出從以下幾個(gè)方面改進(jìn)推薦質(zhì)量：
　　(1)研究如何為新加入用戶提供合理的推薦，即用戶的冷啟動(dòng)問(wèn)題。由于受信任用戶給出的推薦更可信，為了既擴(kuò)展可信任的用戶范圍又保證擴(kuò)展后的信任關(guān)系是可靠的，提出通過(guò)不信任關(guān)系約束信任關(guān)系的擴(kuò)展，并基于擴(kuò)展后的信任關(guān)系和用戶對(duì)商品的評(píng)價(jià)信息為用戶提供推薦，提高了對(duì)新加入用戶和歷史信息稀少用戶的推薦效果。
　　(2)探討時(shí)間因素對(duì)推薦

5、的影響，研究用戶行為和其偏好變化之間的關(guān)系，提出一種描述用戶偏好隨時(shí)間而變化的推薦模型。并且將用戶間相似度計(jì)算過(guò)程轉(zhuǎn)化為二分圖最優(yōu)匹配，既保證了推薦算法的準(zhǔn)確度，又降低了其時(shí)間復(fù)雜度。
　　(3)針對(duì)部分存在潛在需求的商品很少有機(jī)會(huì)被關(guān)注的現(xiàn)象，提出一種由長(zhǎng)尾分布約束的推薦方法，該方法首先基于用戶行為確定用戶間相似關(guān)系，然后合理地?cái)U(kuò)展用戶間相似關(guān)系，最后通過(guò)長(zhǎng)尾分布約束商品的推薦權(quán)重，解決了部分商品由于評(píng)價(jià)數(shù)量少而很難被用戶關(guān)注、