電子商務中基于信任的推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)中新應用新技術(shù)的不斷出現(xiàn),電子商務面臨著新的機遇和挑戰(zhàn)。電子商務對推薦技術(shù)有著特定的要求,主要集中在三個方面:社會推薦機制、個性化推薦以及魯棒性問題。而傳統(tǒng)的推薦技術(shù)在這些問題上已經(jīng)遇到了瓶頸。為了更好地面對這些問題,將信任引入推薦系統(tǒng)是一種很有效的方法。如何定性以及定量信任是本文研究的重點。
　　 目前,基于信任的推薦系統(tǒng)研究主要關(guān)注于信任的傳播以及信任的表示,而忽略了信任如何產(chǎn)生的問題,研究中使用的信任度都需要用戶

2、的主動提交。本文結(jié)合以往的研究經(jīng)驗,提出了引入社區(qū)發(fā)現(xiàn)的方法,主動找到用戶的信任評價。具體的做法是,通過分析信任前因,根據(jù)相似度和熟悉程度來判斷用戶之間的信任關(guān)系。這種方法不需要用戶主動地給其他用戶的信任評分,而是通過對用戶間社交信息的挖掘找到信任度。
　　 在推薦系統(tǒng)中,用戶模型的構(gòu)建是關(guān)鍵,很多算法都是基于用戶模型展開的。本文提出用戶個人模型和社區(qū)模型相結(jié)合的方式構(gòu)建用戶模型。采用基于信息流的方式,通過社交信息建立用戶模型,

3、用戶的社區(qū)模型更好地反映了他的活動范圍,結(jié)合信任前因的論述,這樣的用戶模型能更好地反映用戶之間的信任關(guān)系。通過用戶模型找到用戶之間的信任度,計算全局信任和局部信任度,之后通過信任度找到用戶的鄰居。本文提出了一種用戶個人模型的更新算法,通過引入時間因子到主題詞權(quán)值的計算中,淘汰更新主題詞,以達到自適應用戶興趣的目的。實驗結(jié)果表明,由于本系統(tǒng)不需要用戶的主動評分,所以很好地解決了協(xié)同過濾算法中數(shù)據(jù)稀松以及冷啟動的問題。不管是準確性方面還是抗