發(fā)布時間：2017-11-24 17:29

  本文關(guān)鍵詞：基于信任條件傳遞與聚合的推薦算法

  更多相關(guān)文章： 信任 推薦系統(tǒng) 信任條件傳遞性 協(xié)同過濾算法

【摘要】：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法的目標(biāo)函數(shù)中,提出了一種結(jié)合信任網(wǎng)絡(luò)的矩陣分解算法(TNMF)。算法針對準(zhǔn)確率指標(biāo)進行實驗,并與其他推薦算法進行實驗對比,結(jié)果表明算法在準(zhǔn)確率指標(biāo)上有進一步的提升。
【學(xué)位授予單位】：煙臺大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
，

本文編號：1223059