社交網(wǎng)絡(luò)下信任傳播模型的個(gè)性化推薦研究.pdf

1、隨著信息技術(shù)、互聯(lián)網(wǎng)的高速發(fā)展，社交網(wǎng)絡(luò)成為人們?nèi)粘＝煌鶞贤?，獲取信息的主要途徑。而互聯(lián)網(wǎng)的快速發(fā)展，信息越來越多，人們很從中找到感興趣的信息。個(gè)性化推薦有效的解決了信息超載問題，給人們推薦他們可能感興趣的物品或用戶，幫助他們快速獲取感興趣的信息，提高了用戶體驗(yàn)。與此同時(shí)，個(gè)性化推薦也幫助商家提高了客戶的忠誠度，提高效益。但是目前的個(gè)性推薦算法存在諸多問題，有一定的局限性。協(xié)同過濾算法是個(gè)性化推薦算法中最有效的算法之一，但是它存在著數(shù)據(jù)

2、稀疏、冷啟動(dòng)、惡意攻擊、擴(kuò)展性差等問題，使得推薦信息準(zhǔn)確性不是很高，新用戶無法獲取推薦信息等。
　　本文針對(duì)以上問題對(duì)個(gè)性化推薦進(jìn)行研究改進(jìn)。本文討論了社交網(wǎng)絡(luò)中信任傳遞的情況，提出了基于社交網(wǎng)絡(luò)信任傳播模型的推薦方法，給出了簡(jiǎn)化模型的方法，實(shí)現(xiàn)高質(zhì)量的社交網(wǎng)絡(luò)個(gè)性化推薦。根據(jù)社交網(wǎng)絡(luò)信任模型，針對(duì)傳統(tǒng)協(xié)同過濾的局限性，將不信任引入社交網(wǎng)絡(luò)的傳遞中，在已有的信任傳遞中引入不信任的傳播以及時(shí)間衰退因子，使得最終信任值的結(jié)果更加符合實(shí)