基于社會計算的電子商務(wù)協(xié)同過濾推薦算法研究.pdf

1、隨著電子商務(wù)在互聯(lián)網(wǎng)產(chǎn)業(yè)中的興起，作為電子商務(wù)平臺核心技術(shù)之一的推薦系統(tǒng)已受到廣泛的關(guān)注。電子商務(wù)推薦系統(tǒng)根據(jù)用戶的個人特征、歷史行為和物品特征等信息，結(jié)合相關(guān)的數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能策略，預(yù)測用戶對物品的需求程度。
　　 在諸多推薦算法中，協(xié)同過濾的推薦技術(shù)是目前應(yīng)用最廣的推薦算法之一。盡管如此，但是隨著互聯(lián)網(wǎng)中信息膨脹和用戶激增，協(xié)同過濾推薦技術(shù)面臨著以下兩個問題：第一，如何利用用戶在電子商務(wù)平臺上的社會屬性提高推薦結(jié)

2、果的覆蓋率和準(zhǔn)確率的問題。第二，如何考慮用戶興趣隨時間推移而變化的問題，使推薦結(jié)果更符合用戶不斷變化的實際需求。本文針對這兩個問題對電子商務(wù)協(xié)同過濾推薦算法展開研究，主要貢獻(xiàn)如下：
　　 在傳統(tǒng)基于用戶相似度的協(xié)同過濾推薦算法的基礎(chǔ)上，引入信任計算的研究內(nèi)容，包括信任列表挖掘、信任傳遞、信任組合等。提出了三種算法利用信任信息的推薦算法模型：1)基于信任挖掘的推薦算法；2)基于用戶相似度與信任挖掘的混合推薦算法；3)基于用戶相似度

3、和信任傳遞的混合推薦算法。實驗結(jié)果表明，在基于用戶相似度的協(xié)同過濾推薦算法加入信任計算后，本文提出的基于信任的混合推薦算法的全局推薦覆蓋率有顯著提高，全局推薦準(zhǔn)確率有所提高，而解決新用戶問題的能力有顯著提高。
　　 在傳統(tǒng)基于商品相似度的協(xié)同過濾推薦算法的基礎(chǔ)上，本文提出了一個種基于興趣計算的電子商務(wù)推薦算法。該算法假設(shè)用戶在電子商務(wù)平臺上的行為是由用戶的興趣或需求所驅(qū)動的，并且考慮興趣是隨時間變化而變化的。通過定義興趣度函數(shù)來