基于加權(quán)信任關(guān)系和用戶(hù)相似性融合的社會(huì)化推薦算法研究.pdf

1、近年來(lái)，互聯(lián)網(wǎng)不斷發(fā)展和電子商務(wù)普及，為企業(yè)發(fā)展帶來(lái)機(jī)遇，也向用戶(hù)提出挑戰(zhàn)，如“信息過(guò)載”。Web商品信息的爆炸式增長(zhǎng)使人們搜索所需信息愈發(fā)艱難。在諸多技術(shù)中，推薦系統(tǒng)作為個(gè)性化服務(wù)的一種，能夠結(jié)合用戶(hù)具體的背景和興趣推薦服務(wù)，幫助其從浩瀚的網(wǎng)絡(luò)信息和商品世界中解脫，在電子商務(wù)網(wǎng)站中應(yīng)用廣泛。
　　協(xié)同過(guò)濾則是現(xiàn)有推薦系統(tǒng)中應(yīng)用最廣泛的技術(shù)之一。協(xié)同過(guò)濾針對(duì)用戶(hù)的行為數(shù)據(jù)分析了解用戶(hù)的興趣后再進(jìn)行推薦。該方法自提出以來(lái)就獲得普遍關(guān)

2、注，但自身仍存在一些固有的難題，如數(shù)據(jù)稀疏、冷啟動(dòng)等。在Web社交網(wǎng)絡(luò)迅速興起的形勢(shì)下，基于社交網(wǎng)絡(luò)的推薦算法假設(shè)用戶(hù)的興趣易受其信任朋友的影響，在傳統(tǒng)的協(xié)同過(guò)濾系統(tǒng)中引入了用戶(hù)之間的社會(huì)關(guān)系，能有效解決上述難題，逐漸成為目前推薦系統(tǒng)具有研究?jī)r(jià)值和實(shí)踐性的課題。
　　在目前流行的社會(huì)化推薦算法中，大多數(shù)方法都只考慮用戶(hù)之間的顯式信任關(guān)系，忽略了隱藏在用戶(hù)行為下的其他類(lèi)型的關(guān)系。此外，目前已有的信任網(wǎng)絡(luò)都是二元的，即用戶(hù)之間有關(guān)系，

3、關(guān)系值即為1，否則關(guān)系值為0。這導(dǎo)致在推薦過(guò)程中，當(dāng)目標(biāo)用戶(hù)進(jìn)行決策時(shí)，不論親疏，其所有信任關(guān)系的用戶(hù)對(duì)他的影響程度是相同的，這與現(xiàn)實(shí)不符。因?yàn)樵趯?shí)際生活中，親近的朋友影響力往往更大一些。
　　基于上述問(wèn)題，本文提出了一種結(jié)合用戶(hù)之間加權(quán)信任網(wǎng)絡(luò)與相似關(guān)系的社會(huì)化模型。圍繞如何利用用戶(hù)之間的關(guān)系來(lái)進(jìn)一步提高推薦系統(tǒng)的性能，我們首先對(duì)上文提到的二值信任網(wǎng)絡(luò)進(jìn)行建模，更精細(xì)的計(jì)算用戶(hù)之間的信任程度，然后引入用戶(hù)的相似關(guān)系作為補(bǔ)充，組成

4、用戶(hù)的鄰居集合，最后在進(jìn)行推薦時(shí)，根據(jù)用戶(hù)自身的行為特征來(lái)平衡這兩種關(guān)系的用戶(hù)對(duì)其決策的影響。
　　本文的主要工作和貢獻(xiàn)是:
　　第一:總結(jié)分析當(dāng)前個(gè)性化推薦系統(tǒng)的研究背景和研究現(xiàn)狀，討論當(dāng)前個(gè)性化推薦系統(tǒng)存在的問(wèn)題。
　　第二:總結(jié)分析個(gè)性化服務(wù)和推薦系統(tǒng)相關(guān)技術(shù)，重點(diǎn)介紹協(xié)同過(guò)濾推薦算法，對(duì)其中流行的社會(huì)化協(xié)同過(guò)濾推薦算法的優(yōu)缺點(diǎn)進(jìn)行分析。
　　第三:通過(guò)對(duì)二值信任網(wǎng)絡(luò)建模，引入用戶(hù)的相似關(guān)系，提出基于加權(quán)信