基于信任關系的協(xié)同過濾推薦策略研究.pdf

1、伴隨著電子商務的迅速發(fā)展，網(wǎng)絡信息過載已經(jīng)成為目前網(wǎng)絡用戶所面臨的一個嚴峻的問題，推薦系統(tǒng)成為解決這一問題的一種有效手段，它根據(jù)用戶或者商品的信息分析用戶的偏好或商品間的聯(lián)系，為電子商務用戶提供個性化的推薦服務。根據(jù)采用的算法不同，推薦系統(tǒng)分為基于內(nèi)容的推薦和協(xié)同過濾推薦。協(xié)同過濾也是目前最常用的一種個性化推薦技術。傳統(tǒng)的協(xié)同過濾義分為基于用戶的協(xié)同過濾和基于項目的協(xié)同過濾。 基于用戶的協(xié)同過濾技術根據(jù)用戶對項目的評分數(shù)據(jù)矩陣計

2、算相似度，為目標用戶匹配最近鄰居，綜合鄰居的意見作為最后的推薦。由于用戶的評分數(shù)據(jù)矩陣的稀疏、Cold Start等問題的存在，推薦的準確性受到了嚴重影響。一方面，當用戶評分數(shù)據(jù)很少時相似度很難計算，同時，在共同評分數(shù)據(jù)很少的情況下，計算得到的相似度也存在一定的誤差，另一方面，對于Cold Start用戶來說，由于其評分數(shù)據(jù)很少，推薦系統(tǒng)無法為該用戶提供很好的服務。 本文根據(jù)傳統(tǒng)基于用戶協(xié)同過濾推薦系統(tǒng)中存在的幾個問題，提出了在

3、推薦過程中引入用戶間信任關系的解決方案。本文提出了一種基于信任網(wǎng)絡的協(xié)同過濾推薦模型，在推薦過程中將用戶間的信任度與相似度有機相結合，提高了推薦的準確率。另外，本文提出了一種信任關系的傳遞規(guī)則，利用信任關系的傳遞為Cold Start用戶匹配到更多的鄰居，減輕了由于Cold Start用戶的評分數(shù)據(jù)不足而導致系統(tǒng)對其推薦的影響。 針對本文所設計的推薦模型預期達到的目標，在所選數(shù)據(jù)集上設計了三個不同的實驗方案，分別進行了驗證。實驗