基于信任關(guān)系的協(xié)同過(guò)濾推薦策略研究.pdf

1、伴隨著電子商務(wù)的迅速發(fā)展，網(wǎng)絡(luò)信息過(guò)載已經(jīng)成為目前網(wǎng)絡(luò)用戶所面臨的一個(gè)嚴(yán)峻的問(wèn)題，推薦系統(tǒng)成為解決這一問(wèn)題的一種有效手段，它根據(jù)用戶或者商品的信息分析用戶的偏好或商品間的聯(lián)系，為電子商務(wù)用戶提供個(gè)性化的推薦服務(wù)。根據(jù)采用的算法不同，推薦系統(tǒng)分為基于內(nèi)容的推薦和協(xié)同過(guò)濾推薦。協(xié)同過(guò)濾也是目前最常用的一種個(gè)性化推薦技術(shù)。傳統(tǒng)的協(xié)同過(guò)濾義分為基于用戶的協(xié)同過(guò)濾和基于項(xiàng)目的協(xié)同過(guò)濾。 基于用戶的協(xié)同過(guò)濾技術(shù)根據(jù)用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)矩陣計(jì)

2、算相似度，為目標(biāo)用戶匹配最近鄰居，綜合鄰居的意見(jiàn)作為最后的推薦。由于用戶的評(píng)分?jǐn)?shù)據(jù)矩陣的稀疏、Cold Start等問(wèn)題的存在，推薦的準(zhǔn)確性受到了嚴(yán)重影響。一方面，當(dāng)用戶評(píng)分?jǐn)?shù)據(jù)很少時(shí)相似度很難計(jì)算，同時(shí)，在共同評(píng)分?jǐn)?shù)據(jù)很少的情況下，計(jì)算得到的相似度也存在一定的誤差，另一方面，對(duì)于Cold Start用戶來(lái)說(shuō)，由于其評(píng)分?jǐn)?shù)據(jù)很少，推薦系統(tǒng)無(wú)法為該用戶提供很好的服務(wù)。 本文根據(jù)傳統(tǒng)基于用戶協(xié)同過(guò)濾推薦系統(tǒng)中存在的幾個(gè)問(wèn)題，提出了在

3、推薦過(guò)程中引入用戶間信任關(guān)系的解決方案。本文提出了一種基于信任網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦模型，在推薦過(guò)程中將用戶間的信任度與相似度有機(jī)相結(jié)合，提高了推薦的準(zhǔn)確率。另外，本文提出了一種信任關(guān)系的傳遞規(guī)則，利用信任關(guān)系的傳遞為Cold Start用戶匹配到更多的鄰居，減輕了由于Cold Start用戶的評(píng)分?jǐn)?shù)據(jù)不足而導(dǎo)致系統(tǒng)對(duì)其推薦的影響。 針對(duì)本文所設(shè)計(jì)的推薦模型預(yù)期達(dá)到的目標(biāo)，在所選數(shù)據(jù)集上設(shè)計(jì)了三個(gè)不同的實(shí)驗(yàn)方案，分別進(jìn)行了驗(yàn)證。實(shí)驗(yàn)