隨著信息技術(shù)與社會(huì)網(wǎng)絡(luò)的迅速發(fā)展,指數(shù)級(jí)爆增的海量數(shù)據(jù)引發(fā)了嚴(yán)重的信息過(guò)載問(wèn)題。為解決這一問(wèn)題,推薦系統(tǒng)協(xié)助用戶高效過(guò)濾無(wú)價(jià)值信息并主動(dòng)推薦個(gè)性化服務(wù)信息。在推薦系統(tǒng)中,協(xié)同過(guò)濾推薦算法因其領(lǐng)域無(wú)關(guān)性及挖掘用戶潛在偏好的優(yōu)勢(shì)被廣泛應(yīng)用。但是,其不可避免地面臨著數(shù)據(jù)稀疏、冷啟動(dòng)和惡意攻擊等巨大挑戰(zhàn)。因此,為了提高協(xié)同過(guò)濾推薦系統(tǒng)的推薦可靠性及有效性,本文通過(guò)引入社會(huì)網(wǎng)絡(luò)中用戶間的信任關(guān)系,將信任機(jī)制與協(xié)同過(guò)濾推薦算法有效結(jié)合,提出一種融合信息熵相似度與動(dòng)態(tài)信任的協(xié)同過(guò)濾推薦算法,主要研究工作從改進(jìn)相似度算法、構(gòu)建信任計(jì)算模型、引入信任獎(jiǎng)懲機(jī)制三個(gè)方面展開:（1）針對(duì)用戶評(píng)分?jǐn)?shù)據(jù)稀疏所導(dǎo)致的相似度準(zhǔn)確性較低或冷啟動(dòng)用戶相似度難以計(jì)算的問(wèn)題,構(gòu)造基于評(píng)分差異的信息熵興趣相似度計(jì)算方法,引入一種避免信任網(wǎng)絡(luò)熱區(qū)效應(yīng)的信任關(guān)系隱性相似度,將二者自適應(yīng)動(dòng)態(tài)融合以計(jì)算用戶綜合相似度。本文改進(jìn)的用戶相似度算法避免了已有相似度算法因共評(píng)項(xiàng)目稀少,導(dǎo)致用戶相似度過(guò)高或過(guò)低的不合理現(xiàn)象;當(dāng)用戶評(píng)分?jǐn)?shù)據(jù)稀疏甚至無(wú)評(píng)分時(shí),利用信任隱性相似度優(yōu)化相似度計(jì)算,一定程度上緩解冷啟動(dòng)問(wèn)題;（2）針對(duì)推薦系統(tǒng)中惡意攻擊和... 

【文章來(lái)源】：江西理工大學(xué)江西省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 推薦系統(tǒng)及相關(guān)技術(shù)
    2.1 推薦系統(tǒng)概述
    2.2 推薦算法分類
    2.3 協(xié)同過(guò)濾推薦算法
        2.3.1 協(xié)同過(guò)濾推薦算法分類
        2.3.2 協(xié)同過(guò)濾算法推薦過(guò)程
        2.3.3 協(xié)同過(guò)濾算法存在的問(wèn)題
    2.4 基于信任的協(xié)同過(guò)濾推薦算法
        2.4.1 基于信任的協(xié)同過(guò)濾推薦算法分類
        2.4.2 基于信任的協(xié)同過(guò)濾算法研究方向
    2.5 本章小結(jié)
第三章 信任機(jī)制研究
    3.1 信任的相關(guān)性質(zhì)
        3.1.1 信任的定義
        3.1.2 信任的屬性
        3.1.3 信任的分類
    3.2 信任的度量方法
        3.2.1 顯式信任
        3.2.2 隱式信任
    3.3 信任傳播與聚合
        3.3.1 信任網(wǎng)絡(luò)與信任矩陣
        3.3.2 信任的傳播及計(jì)算方法
        3.3.3 信任的聚合及計(jì)算方法
    3.4 本章小結(jié)
第四章 融合信息熵相似度與動(dòng)態(tài)信任的協(xié)同過(guò)濾推薦算法
    4.1 相關(guān)描述
    4.2 用戶相似度計(jì)算
        4.2.1 基于評(píng)分差異的信息熵相似度
        4.2.2 基于信任關(guān)系的隱性相似度
    4.3 用戶信任度計(jì)算
        4.3.1 直接信任度
        4.3.2 間接信任度
        4.3.3 全局信任度
    4.4 融合相似與信任的評(píng)分預(yù)測(cè)
    4.5 信任獎(jiǎng)懲更新
        4.5.1 信任獎(jiǎng)勵(lì)
        4.5.2 信任懲罰
    4.6 推薦過(guò)程描述
    4.7 算法復(fù)雜度分析
    4.8 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)集
    5.2 性能評(píng)價(jià)指標(biāo)
    5.3 相似度算法對(duì)比
        5.3.1 相似度準(zhǔn)確性對(duì)比分析
        5.3.2 相似度算法推薦精度對(duì)比分析
    5.4 權(quán)重調(diào)節(jié)因子影響分析
    5.5 推薦性能對(duì)比
        5.5.1 CF-IESDT推薦性能對(duì)比分析
        5.5.2 CF-IESDT召回率對(duì)比分析
        5.5.3 信任獎(jiǎng)懲機(jī)制有效性的驗(yàn)證分析
    5.6 本章小結(jié)
第六章 結(jié)論
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果



本文編號(hào)：3318699