基于隱變量模型的社會化推薦研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，獲取數(shù)據(jù)的成本變得越來越低，隨之而來的問題就人們是面對海量的數(shù)據(jù)而無從下手，呈現(xiàn)出一種數(shù)據(jù)很多信息卻很少的矛盾。如何挖掘用戶的需求給用戶提供個性化的信息和服務(wù)逐漸成為一個重要的問題。個性化推薦系統(tǒng)在這樣的背景下應(yīng)運而生，其解決的核心問題是根據(jù)用戶的歷史行為分析用戶的興趣偏好，并以此給用戶提供個性化的信息推薦。個性化推薦系統(tǒng)經(jīng)過多年的發(fā)展，在很多領(lǐng)域得到了廣泛的應(yīng)用。
　　傳統(tǒng)的個性化推薦系統(tǒng)主要基于用戶和

2、物品的交互信息進行分析，而隨著近年來在線社交網(wǎng)絡(luò)的興起，利用人們在的在線社交網(wǎng)絡(luò)來優(yōu)化個性化推薦系統(tǒng)的社會化推薦系統(tǒng)逐漸受到重視。本文在傳統(tǒng)的推薦算法和社會化推薦算法研究的基礎(chǔ)之上，通過對社交關(guān)系中的信任關(guān)系進行研究，提出了一種基于信任的社會化推薦算法，并通過實驗驗證了該算法的有效性。本文的主要貢獻為：
　　1)提出了一種基于信任的社會化推薦模型，該模型基于傳統(tǒng)的隱變量模型，通過信任網(wǎng)絡(luò)的信任多面性，信任偏置和信任傳遞性、信任網(wǎng)絡(luò)

3、和評分網(wǎng)絡(luò)耦合對雙方帶來的影響進行建模，將用戶間的信任關(guān)系加入隱變量模型實現(xiàn)了對信任網(wǎng)絡(luò)和評分網(wǎng)絡(luò)更精確的刻畫，并將其組合到一個統(tǒng)一的優(yōu)化模型中。
　　2)從模型訓(xùn)練和評分預(yù)測兩方面詳細(xì)的介紹了本文提出的推薦算法的模型求解和應(yīng)用過程中涉及到的模型常量計算、評分預(yù)測、信任預(yù)測、梯度計算以及模型訓(xùn)練算法，并分析了它們的時間復(fù)雜度。在模型訓(xùn)練階段，采用一種簡單有效的自適應(yīng)學(xué)習(xí)率更新策略，此方法能動態(tài)的在模型訓(xùn)練過程中根據(jù)預(yù)測誤差實際情況

4、更新模型參數(shù)。
　　3)對本文提出的算法進行了實驗和分析。在FilmTrust、Epinions和Ciao三個數(shù)據(jù)集上進行了對比實驗，實驗結(jié)果表明本文提出的基于信任的社會化推薦算法的評分預(yù)測準(zhǔn)確性高于傳統(tǒng)的基于隱變量模型的推薦算法和傳統(tǒng)的基于信任的社交推薦算法；通過在模型訓(xùn)練階段采用固定學(xué)習(xí)率和采用自適應(yīng)學(xué)習(xí)率訓(xùn)練的模型進行對比實驗，驗證了本文采用的動態(tài)學(xué)習(xí)率策略的有效性；此外，講本文提出的算法在冷啟動用戶群上的推薦準(zhǔn)確度進行了實