基于信任條件傳遞與聚合的推薦算法.pdf

1、目前，廣泛應(yīng)用的推薦系統(tǒng)是基于協(xié)同過濾的推薦系統(tǒng)，其原理是尋找與目標(biāo)用戶相似的用戶，以這些相似用戶的喜好為基礎(chǔ)生成目標(biāo)用戶的喜好；其優(yōu)點在于系統(tǒng)只依賴于用戶對商品的評價，因而所需的輸入信息較少，但是協(xié)同過濾推薦系統(tǒng)也存在一些問題，比如新用戶問題、新項目問題以及數(shù)據(jù)稀疏問題。結(jié)合信任網(wǎng)絡(luò)的推薦系統(tǒng)可有效解決這些問題，信任推薦系統(tǒng)在傳統(tǒng)推薦系統(tǒng)的基礎(chǔ)上引入了用戶間的信任關(guān)系，通過信任關(guān)系搜索被目標(biāo)用戶信任的用戶，并以這些被信任用戶的喜好為基

2、礎(chǔ)生成目標(biāo)用戶的喜好。目前基于信任的推薦系統(tǒng)假設(shè)信任是無條件可傳遞的，系統(tǒng)會搜索與目標(biāo)用戶有信任關(guān)系的所有用戶，一個推薦系統(tǒng)中往往有成千上百萬的用戶，如果搜索所有與目標(biāo)用戶有信任關(guān)系的用戶勢必會在一定程度上降低推薦系統(tǒng)的性能。
　　為進一步提高推薦算法的性能，我們分別提出了兩種結(jié)合信任的推薦算法。首先，提出基于信任條件傳遞與聚合的推薦算法，稱為“信任流聚合算法(SMTrust)”。算法引入有條件的信任傳遞對信任搜索路徑進行過濾以更

3、準(zhǔn)確地找到推薦用戶并且提高了算法搜索效率，同時算法中引入獎懲機制，將推薦用戶分為優(yōu)質(zhì)推薦者和劣質(zhì)推薦者，算法根據(jù)推薦效果分別對優(yōu)質(zhì)推薦者進行獎勵，對劣質(zhì)推薦者進行處罰。通過獎懲機制，進一步提高了算法的準(zhǔn)確率。針對覆蓋率和準(zhǔn)確率指標(biāo)進行了實驗，與傳統(tǒng)協(xié)同過濾算法以及主流的基于信任的推薦算法進行對比，結(jié)果表明算法在覆蓋率及準(zhǔn)確率兩項指標(biāo)上都有進一步的提升。
　　其次，基于目前主流的矩陣分解算法，嘗試將用戶之間的信任關(guān)系融合到矩陣分解算