基于個體化信任的社交推薦算法研究.pdf

1、伴隨著社交網(wǎng)絡(luò)的飛速發(fā)展，社交推薦算法得到越來越多的關(guān)注和研究，這些算法都是基于一個共同的假設(shè)，即具有社交關(guān)系特別是信任關(guān)系的用戶之間具有相似的興趣愛好。但是，以往的基于信任的社交推薦算法并沒有全面的考慮社交信任關(guān)系對推薦的影響，因而在一定程度上影響了推薦的質(zhì)量。
　　本文首先對傳統(tǒng)的協(xié)同過濾算法和基于信任的社交推薦算法做了深入的研究，在此基礎(chǔ)上提出了一種基于個體化信任關(guān)系的社交推薦模型SRIT(SocialRecommendat

2、ionbasedonIndividualTrust)。該模型在訓(xùn)練階段對用戶-物品評分矩陣進行矩陣因式分解得到用戶的潛在特征向量，并且在矩陣因式分解過程中個體化地考慮了用戶每一個信任好友的潛在特征向量對用戶的潛在特征向量的影響，即影響程度隨著用戶對好友信任度的變化而變化，最終在預(yù)測用戶對物品的評分階段，不僅要考慮用戶自身的偏好，還要考慮用戶所有信任好友的偏好。本文在公開的Epinions數(shù)據(jù)集上進行實驗分析，結(jié)果表明在稀疏性很強的Epi