基于信任網(wǎng)絡(luò)的群體推薦算法研究.pdf

1、個性化推薦的出現(xiàn)是為了解決信息過載給用戶帶來的困擾以及減少其帶來的時間和資源的浪費。當(dāng)前，多數(shù)的推薦服務(wù)所針對的對象為個體用戶。但是，隨著各種各樣的社交網(wǎng)絡(luò)快速發(fā)展，人與人之間的交流越來越方便，由此也使得人們參與群體活動數(shù)量的快速增長。當(dāng)一個群體面臨選擇難題時，需要滿足的是群體成員的需求，而不是群體內(nèi)某一個體成員的需求，因此傳統(tǒng)的個體推薦服務(wù)已經(jīng)無法滿足需求，這就需要在個體推薦的基礎(chǔ)之上對群體推薦進(jìn)行研究。
　　群體推薦的方式主要

2、有兩種，一種是聚集模型，通過對群體內(nèi)用戶的興趣進(jìn)行聚集，形成群體興趣模型，再依據(jù)該模型對群體進(jìn)行推薦。另一種是聚集預(yù)測，先對群體內(nèi)的個體用戶進(jìn)行推薦，再選用合適的聚集策略對個體推薦結(jié)果進(jìn)行聚集，產(chǎn)生群體推薦。
　　這兩種群體推薦方式都涉及到了聚集策略的問題，聚集策略的研究成為當(dāng)前學(xué)術(shù)界關(guān)注的重點。本文通過對聚集策略的深入研究，在分析現(xiàn)有聚集策略優(yōu)缺點的基礎(chǔ)上，將信任網(wǎng)絡(luò)引入群體推薦算法中，通過對群體內(nèi)部的信任網(wǎng)絡(luò)結(jié)構(gòu)分析，提出兩個

3、新的群體推薦算法。
　　具體研究工作如下:
　　(1)總結(jié)了國內(nèi)外關(guān)于信任網(wǎng)絡(luò)以及群體推薦的研究現(xiàn)狀，并對相關(guān)的理論和研究基礎(chǔ)進(jìn)行深入分析，指出信任網(wǎng)絡(luò)對于推薦服務(wù)的提升作用，以及社交因素對群體推薦的影響。以聚集預(yù)測為主要的聚集策略研究對象，分別基于用戶和項目進(jìn)行協(xié)同過濾推薦算法分析，從而得到個體的評分預(yù)測，為下一步的群體推薦提供聚集對象。
　　(2)群體中由于個體之間的群體影響力和專業(yè)權(quán)威的不同，個體對于最終群體決策

4、的影響大小不同，因此應(yīng)當(dāng)在推薦時賦予用戶不同的權(quán)重。本文首先利用PageRank算法和信任網(wǎng)絡(luò)計算用戶的影響力權(quán)重，然后利用用戶的評分頻度計算其權(quán)威性權(quán)重。最后綜合考慮二者，提出了基于用戶權(quán)重的群體推薦算法。實驗分析了群體信任飽和度對RMSE的影響，通過與其他聚集策略的對比，證明了加入權(quán)重分析能夠有效提升推薦質(zhì)量。
　　(3)考慮到現(xiàn)實中的群體決策是一個協(xié)商交流的過程，因此本文對用戶之間的協(xié)商交流過程進(jìn)行了模擬，指出影響協(xié)商交互的