基于全局信息的推薦算法及其在社交網(wǎng)絡(luò)中的應(yīng)用.pdf

1、電子數(shù)字信息的爆炸式增長(zhǎng)使得互聯(lián)網(wǎng)面臨著嚴(yán)重的信息超載問題，從而導(dǎo)致消費(fèi)者無(wú)法及時(shí)在互聯(lián)網(wǎng)上獲取感興趣且滿意的信息。因此消費(fèi)者對(duì)于推薦系統(tǒng)的需求日益增長(zhǎng)。目前，如何提高推薦結(jié)果的精確度，以及解決數(shù)據(jù)稀疏和冷啟動(dòng)問題仍然是推薦技術(shù)的研究難點(diǎn)和熱點(diǎn)。針對(duì)這些問題，本文提出一種基于全局信息的(即整個(gè)用戶-項(xiàng)目評(píng)級(jí)矩陣信息)改進(jìn)傳統(tǒng)相似度方法的協(xié)同過(guò)濾推薦算法，旨在提高推薦結(jié)果的準(zhǔn)確度，同時(shí)將此算法應(yīng)用到社交網(wǎng)絡(luò)中，并與用戶信任機(jī)制相結(jié)合，從而

2、以期在一定程度上解決數(shù)據(jù)稀疏及冷啟動(dòng)問題。
　　首先，本文研究討論分析了傳統(tǒng)的協(xié)同過(guò)濾推薦算法，包括Jaccard方法，余弦相似度和皮爾森相關(guān)系數(shù)三種方法在推薦過(guò)程中存在的優(yōu)缺點(diǎn)。在此基礎(chǔ)上，從共評(píng)項(xiàng)目及冷啟動(dòng)項(xiàng)目這兩個(gè)角度考慮全局信息，采用不同的組合方式將Jaccard方法及余弦相似度方法融合成新的協(xié)同過(guò)濾算法，旨在進(jìn)一步提高推薦結(jié)果的精確度。
　　其次，針對(duì)社交網(wǎng)絡(luò)中用戶之間存的信任關(guān)系，引入信任傳播機(jī)制以擴(kuò)展用戶信任范