基于全局信息的推薦算法及其在社交網(wǎng)絡(luò)中的應(yīng)用.pdf

1、電子數(shù)字信息的爆炸式增長使得互聯(lián)網(wǎng)面臨著嚴重的信息超載問題，從而導(dǎo)致消費者無法及時在互聯(lián)網(wǎng)上獲取感興趣且滿意的信息。因此消費者對于推薦系統(tǒng)的需求日益增長。目前，如何提高推薦結(jié)果的精確度，以及解決數(shù)據(jù)稀疏和冷啟動問題仍然是推薦技術(shù)的研究難點和熱點。針對這些問題，本文提出一種基于全局信息的(即整個用戶-項目評級矩陣信息)改進傳統(tǒng)相似度方法的協(xié)同過濾推薦算法，旨在提高推薦結(jié)果的準確度，同時將此算法應(yīng)用到社交網(wǎng)絡(luò)中，并與用戶信任機制相結(jié)合，從而

2、以期在一定程度上解決數(shù)據(jù)稀疏及冷啟動問題。
　　首先，本文研究討論分析了傳統(tǒng)的協(xié)同過濾推薦算法，包括Jaccard方法，余弦相似度和皮爾森相關(guān)系數(shù)三種方法在推薦過程中存在的優(yōu)缺點。在此基礎(chǔ)上，從共評項目及冷啟動項目這兩個角度考慮全局信息，采用不同的組合方式將Jaccard方法及余弦相似度方法融合成新的協(xié)同過濾算法，旨在進一步提高推薦結(jié)果的精確度。
　　其次，針對社交網(wǎng)絡(luò)中用戶之間存的信任關(guān)系，引入信任傳播機制以擴展用戶信任范