本文關(guān)鍵詞：基于信任的協(xié)同過濾算法在電子商務(wù)推薦系統(tǒng)中的研究

  更多相關(guān)文章： 推薦系統(tǒng) 協(xié)同過濾 相似度 信任度

【摘要】：在網(wǎng)絡(luò)信息技術(shù)不斷發(fā)展的背景下，網(wǎng)絡(luò)數(shù)據(jù)持續(xù)膨脹，用戶想要從海量信息中快速準(zhǔn)確地找到想要的信息變得越來越難。電子商務(wù)推薦系統(tǒng)正是為了向用戶推薦其感興趣的項(xiàng)目而興起。電子商務(wù)系統(tǒng)中使用最多的協(xié)同過濾推薦技術(shù),但是協(xié)同過濾推薦技術(shù)存在著數(shù)據(jù)稀疏性、冷啟動(dòng)等問題，使系統(tǒng)的推薦服務(wù)質(zhì)量降低。 針對(duì)以上問題，，引進(jìn)社交網(wǎng)絡(luò)中的信任關(guān)系，提出基于信任的協(xié)同過濾推薦算法，一方面能將信任關(guān)系引入到傳統(tǒng)的協(xié)同過濾推薦算法中，并將用戶間的信任度作為推薦的一個(gè)考慮因素；另一方面，利用信任關(guān)系的傳遞性質(zhì)，將本來沒有關(guān)聯(lián)的用戶相互關(guān)聯(lián)起來，為冷啟動(dòng)用戶匹配到更多的鄰居。改進(jìn)后基于信任的協(xié)同過濾推薦算法充分綜合用戶相似度和信任度，提高系統(tǒng)的推薦質(zhì)量。 本文通過實(shí)驗(yàn)證明了信任因子的可用性；信任因子能降低數(shù)據(jù)稀疏性問題，緩解冷啟動(dòng)問題；改進(jìn)后基于信任的協(xié)同過濾推薦算法的平均絕對(duì)誤差比傳統(tǒng)的協(xié)同過濾推薦算法小，提高了推薦服務(wù)質(zhì)量。
【關(guān)鍵詞】：推薦系統(tǒng) 協(xié)同過濾 相似度 信任度
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.3
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 緒論7-13
• 1.1 課題背景7-8
• 1.2 研究現(xiàn)狀8-11
• 1.3 研究?jī)?nèi)容及創(chuàng)新之處11-12
• 1.4 內(nèi)容安排12-13
• 第2章 電子商務(wù)推薦系統(tǒng)概述13-22
• 2.1 電子商務(wù)推薦系統(tǒng)的構(gòu)成13
• 2.2 常用的推薦技術(shù)13-19
• 2.2.1 基于內(nèi)容推薦13-15
• 2.2.2 基于關(guān)聯(lián)規(guī)則的推薦15-16
• 2.2.3 協(xié)同過濾的推薦16-19
• 2.2.4 基于聚類推薦19
• 2.3 電子商務(wù)推薦系統(tǒng)的評(píng)估標(biāo)準(zhǔn)19-21
• 2.4 本章小結(jié)21-22
• 第3章 信任的相關(guān)理論22-27
• 3.1 信任的概念22-23
• 3.2 信任的性質(zhì)以及相關(guān)定義23-24
• 3.3 信任的分類24
• 3.4 信任關(guān)系量化分析24-26
• 3.4.1 直接信任度概述25
• 3.4.2 間接信任度概述25-26
• 3.5 本章小結(jié)26-27
• 第4章 基于信任的協(xié)同過濾推薦27-41
• 4.1 收集評(píng)分?jǐn)?shù)據(jù)29-31
• 4.2 相似度的計(jì)算31-32
• 4.3 信任度的計(jì)算32-36
• 4.3.1 直接信任度建模32-34
• 4.3.2 間接信任度建模34-36
• 4.4 合并矩陣36-37
• 4.5 生成最近鄰居群37
• 4.6 預(yù)測(cè)評(píng)分并產(chǎn)生推薦37-40
• 4.7 本章小結(jié)40-41
• 第5章 實(shí)驗(yàn)及結(jié)果分析41-52
• 5.1 實(shí)驗(yàn)?zāi)康?/span>41
• 5.2 實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)數(shù)據(jù)41-43
• 5.2.1 實(shí)驗(yàn)環(huán)境41
• 5.2.2 實(shí)驗(yàn)數(shù)據(jù)41-43
• 5.3 評(píng)價(jià)指標(biāo)43
• 5.3.1 數(shù)據(jù)稀疏性43
• 5.3.2 平均絕對(duì)誤差43
• 5.4 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析43-51
• 5.4.1 實(shí)驗(yàn) 1：信任因子可用性43-47
• 5.4.2 實(shí)驗(yàn) 2：降低稀疏性解決冷啟動(dòng)問題47-49
• 5.4.3 實(shí)驗(yàn) 3：改進(jìn)后基于信任的協(xié)同過濾推薦算法效果49-51
• 5.5 本章小結(jié)51-52
• 第6章 總結(jié)52-53
• 6.1 本文總結(jié)52
• 6.2 未來工作展望52-53
• 致謝53-54
• 參考文獻(xiàn)54-57
• 攻讀學(xué)位期間的研究成果57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張鋒;常會(huì)友;;使用BP神經(jīng)網(wǎng)絡(luò)緩解協(xié)同過濾推薦算法的稀疏性問題[J];計(jì)算機(jī)研究與發(fā)展;2006年04期

2 蔡浩;賈宇波;黃成偉;;結(jié)合用戶信任模型的協(xié)同過濾推薦方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年35期

3 徐翔;王煦法;;協(xié)同過濾算法中的相似度優(yōu)化方法[J];計(jì)算機(jī)工程;2010年06期

4 胡福華;鄭小林;干紅華;;基于相似度傳遞的協(xié)同過濾算法[J];計(jì)算機(jī)工程;2011年10期

5 夏小伍;王衛(wèi)平;;基于信任模型的協(xié)同過濾推薦算法[J];計(jì)算機(jī)工程;2011年21期

6 劉旭東;葛俊杰;陳德人;;一種基于聚類和協(xié)同過濾的組合推薦算法[J];計(jì)算機(jī)工程與科學(xué);2010年12期

7 傅鶴崗;李冉;;基于用戶實(shí)時(shí)反饋的協(xié)同過濾算法[J];計(jì)算機(jī)應(yīng)用;2011年07期

8 陳志敏;李志強(qiáng);;基于用戶特征和項(xiàng)目屬性的協(xié)同過濾推薦算法[J];計(jì)算機(jī)應(yīng)用;2011年07期

9 劉慶鵬;陳明銳;;優(yōu)化稀疏數(shù)據(jù)集提高協(xié)同過濾推薦系統(tǒng)質(zhì)量的方法[J];計(jì)算機(jī)應(yīng)用;2012年04期

10 陳華;李仁發(fā);劉鈺峰;練琪;;個(gè)性化搜索引擎推薦算法研究[J];計(jì)算機(jī)應(yīng)用研究;2010年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 郭慧云;論信任[D];浙江大學(xué);2013年

本文編號(hào)：898442