隨著互聯(lián)網(wǎng)的普及,信息化時代逐漸拉開帷幕。日益呈指數(shù)增長的數(shù)據(jù)信息使得人們難以及時、準確的獲取所需信息,大大降低了信息的利用率,即“信息過載”問題。為了克服該問題,國內(nèi)外研究學者提出了具有代表性的信息過濾技術(shù)——推薦系統(tǒng)。它無需用戶提供明確需求便可預測用戶的興趣偏好,有效的輔助用戶做出準確的選擇。隨著電子商務的快速發(fā)展,個性化推薦技術(shù)也獲得較大的研究突破。如今推薦系統(tǒng)已經(jīng)成為涵蓋多學科知識的熱門研究領域。近些年,復雜網(wǎng)絡和大數(shù)據(jù)技術(shù)的研究取得了許多的成果。于是,研究學者將復雜網(wǎng)絡與推薦系統(tǒng)相結(jié)合,其中便包括基于二部圖的推薦算法,即研究資源在二分網(wǎng)絡的擴散過程。為了進一步提升推薦算法的性能,本文圍繞改進基于擴散過程的推薦算法展開了一系列研究,主要研究工作包括以下幾點:（1）構(gòu)建了融合用戶上下文信息的信任關(guān)系網(wǎng)絡�！拔镆灶惥�,人以群分”,結(jié)合集體智慧的思想,相同點較多的人更容易成為朋友。因此本文借鑒社會心理學中人與人之間產(chǎn)生信任的原理,從用戶行為信息、用戶上下文信息以及用戶興趣偏好三個方面生成基于相似度的信任關(guān)系網(wǎng)絡,有助于緩解數(shù)據(jù)稀疏性問題對推薦算法的影響。（2）提出了融合信任關(guān)系網(wǎng)絡的... 

【文章來源】：江西財經(jīng)大學江西省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

圖1.1兩層網(wǎng)絡示意圖

融合信任關(guān)系的雙層擴散網(wǎng)絡推薦算法研究10面物品有需求時才會產(chǎn)生選擇關(guān)系。而人與人之間的關(guān)系的確定則較為復雜，若圖1.2推薦算法研究思路兩者之間存在相同點較多則更容易成為朋友。因此，本文充分借鑒信任產(chǎn)生原理，以MovieLens數(shù)據(jù)集為基礎，分別研究了基于用戶行為相似度產(chǎn)生的信任、基于用戶上下文信息相似度產(chǎn)生的信息以及基于用戶興趣偏好相似度產(chǎn)生的信任，構(gòu)建了基于相似度計算生成的信任關(guān)系網(wǎng)絡。(2)研究了融合信任關(guān)系網(wǎng)絡的物質(zhì)擴散和熱傳導混合推薦算法（IntheFusionTrustRelationshipNetworkHeat-Probabilistic-Spreading-BasedHybridReco-mmendationAlgorithm，簡稱THP算法）。傳統(tǒng)的基于物質(zhì)擴散的推薦算法具有較高的推薦精確性，但是推薦多樣性有待提升。而基于熱傳導的推薦算法保證了推薦新穎性和多樣性卻降低了推薦精確性。為了平衡這一現(xiàn)象，同時提升推薦算法的性能，本文有效的將上下文信息、信任關(guān)系網(wǎng)絡與基于二部圖的物質(zhì)擴散和熱傳導混合推薦算法相結(jié)合，將資源的擴散過程從“用戶-物品”二部網(wǎng)絡引入“用戶-用戶”信任關(guān)系網(wǎng)絡。傳統(tǒng)的資源擴散過程以“0-1”模式衡量用戶和物品的選擇關(guān)系，為了提升推薦算法的準確度，本文采用比例分配原則實現(xiàn)資源在“用戶-用戶”信任關(guān)系網(wǎng)絡中的擴散。將用戶間信任關(guān)系由離散性變?yōu)檫B續(xù)性，利用用戶直接好友關(guān)系強度來確定用戶節(jié)點間連邊權(quán)重，經(jīng)過歸一化處理生成資源在信任關(guān)系網(wǎng)絡中的轉(zhuǎn)移矩陣。最后利用調(diào)節(jié)因子控制資源在“用戶-物品”二部圖中的傳遞。該算法進一步拓展了基于擴散過程推薦算法的研究。

第2章推薦系統(tǒng)及相關(guān)理論技術(shù)13第2章推薦系統(tǒng)及相關(guān)理論技術(shù)本章節(jié)主要介紹了推薦系統(tǒng)的運作原理、上下文信息相關(guān)知識、相似度計算系數(shù)、基于擴散過程的推薦算法設計思路。采用舉例推演的方法對基于擴散過程推薦算法的運作流程進行詳細的說明。2.1推薦系統(tǒng)為了解決信息過載和用戶不明確需求問題，幫助用戶從海量的信息中找到感興趣的物品，是推薦系統(tǒng)主要的工作。從用戶的角度分析，推薦系統(tǒng)可以幫助用戶及時找到所需的物品，當用戶面對選擇的困擾時，其能幫助用戶更好的做出決策，同時還可以幫助用戶發(fā)現(xiàn)新鮮的事物。從商家角度分析，推薦系統(tǒng)可以幫助商家了解用戶的需求，便于提供精準的個性化服務，從而提升用戶對商家的信任度以及粘性，增加商家的盈利。圖2.1推薦系統(tǒng)結(jié)構(gòu)框架圖假如采用數(shù)學的方式定義推薦系統(tǒng)，可以表示為：IiifiUu],umax[arg,u(2.1)其中，U表示所有用戶集合，I表示所有的物品或者推薦內(nèi)容，f是判斷將物品i推薦給用戶u好壞程度的評判函數(shù)。推薦過程等價于對于用戶Uu，找到物品

【參考文獻】：
期刊論文
[1]結(jié)合用戶社區(qū)和評分矩陣聯(lián)合社區(qū)的推薦算法研究[J]. 文凱,朱傳亮,何少元.  小型微型計算機系統(tǒng). 2019(10)
[2]基于內(nèi)容和最近鄰算法的多臂老虎機推薦算法[J]. 王高智,肖菁.  華南師范大學學報(自然科學版). 2019(01)
[3]融合多種數(shù)據(jù)信息的餐館推薦模型[J]. 戴琳,孟祥武,張玉潔,紀威宇.  軟件學報. 2019(09)
[4]融合時間和類型特征加權(quán)的矩陣分解推薦算法[J]. 石鴻瑗,孫天昊,李雙慶,侯湘.  重慶大學學報. 2019(01)
[5]面向局部線性回歸分類器的判別分析方法[J]. 朱換榮,鄭智超,孫懷江.  智能系統(tǒng)學報. 2019(05)
[6]基于信任機制下概率矩陣分解的用戶評分預測[J]. 杜東舫,徐童,魯亞男,管楚,劉淇,陳恩紅.  軟件學報. 2018(12)
[7]基于多子網(wǎng)復合復雜網(wǎng)絡模型的物質(zhì)擴散推薦算法[J]. 周雙,賓晟,邵峰晶,孫更新.  復雜系統(tǒng)與復雜性科學. 2018(04)
[8]Truser:一種基于可信用戶的服務推薦方法[J]. 何鵬,吳浩,曾誠,馬于濤.  計算機學報. 2019(04)
[9]融合物品熱門因子的協(xié)同過濾改進算法[J]. 孫紅,韓震.  小型微型計算機系統(tǒng). 2018(04)
[10]信任社交網(wǎng)絡中改進的物質(zhì)擴散推薦算法[J]. 蔡永嘉,李冠宇.  計算機工程. 2019(03)



本文編號：3287095