基于用戶重要性的協(xié)同推薦算法研究.pdf

1、電子商務(wù)的飛速發(fā)展將人類帶入網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代，面對(duì)大量的商品信息，用戶往往難以發(fā)現(xiàn)最需要或最合適的商品。用戶希望電子商務(wù)系統(tǒng)具有一種類似采購助手的功能來幫助其選購商品，它能自動(dòng)地把用戶最感興趣的商品推薦出來。推薦系統(tǒng)正是針對(duì)以上問題和需求產(chǎn)生的，聯(lián)系用戶和產(chǎn)品信息，一方面幫助用戶發(fā)現(xiàn)自己感興趣的商品;另一方面還能讓商品展現(xiàn)在對(duì)它感興趣的人群中，從而實(shí)現(xiàn)供應(yīng)商與用戶的雙贏。自上世紀(jì)90年代推薦系統(tǒng)被作為一個(gè)獨(dú)立的概念提出來，研究者們提出了眾多

2、推薦算法，并成功應(yīng)用于實(shí)際應(yīng)用中。
　　雖然推薦技術(shù)已成功應(yīng)用于各個(gè)領(lǐng)域，但是仍普遍存在數(shù)據(jù)稀疏情況推薦精度不高、易受攻擊等待解決的問題。傳統(tǒng)協(xié)同過濾系統(tǒng)忽視了用戶的重要性不同和用戶之間的重要關(guān)系。即不同的用戶在推薦中所產(chǎn)生的作用不同。因此，本文從用戶重要性方面著手研究，用戶的重要性可從多方面進(jìn)行衡量，本文分別從用戶在社交網(wǎng)絡(luò)中的重要性和用戶聲譽(yù)重要性來衡量用戶重要性，主要工作如下:
　　(1)本文梳理了推薦系統(tǒng)的發(fā)展歷程，

3、總結(jié)了各種推薦算法的優(yōu)缺點(diǎn)，并詳細(xì)的介紹了協(xié)同過濾推薦領(lǐng)域內(nèi)經(jīng)典的基于記憶和基于模型的兩種算法。除此之外，對(duì)協(xié)同過濾推薦算法現(xiàn)今存在的問題進(jìn)行了分析，并在相關(guān)研究者的基礎(chǔ)上結(jié)合用戶重要性相關(guān)理論提出基于用戶重要性的協(xié)同推薦算法。
　　(2)提出一種基于社交關(guān)系的用戶重要性的推薦算法:分析用戶社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)以及用戶之間的關(guān)系，通過用戶的相似性和網(wǎng)絡(luò)節(jié)點(diǎn)重要性分別得到用戶在網(wǎng)絡(luò)中的局部重要性和全局重要性。一方面，將重要性作為權(quán)重調(diào)