本文關鍵詞：電子商務系統(tǒng)中一種層次化信任度計算模型，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網的發(fā)展,電子商務給人們的日常購物活動帶來了翻天覆地的變化,但是電子商務網站的信息嚴重過載,用戶淹沒在浩瀚的商品海洋中無從選擇。個性化推薦系統(tǒng)在緩解信息過載、提升用戶體驗方面發(fā)揮著重要作用,其在給用戶帶來便利的同時也給商家?guī)砹司薮蟮睦�。推薦系統(tǒng)發(fā)展至今,其中最為成功的協(xié)同過濾算法依然存在著諸如數(shù)據(jù)稀疏、冷啟動、惡意攻擊敏感以及可擴展性差等缺陷。為了緩解甚至克服這些缺陷,該領域的學者們嘗試將信任機制引入推薦系統(tǒng),使得信任機制在推薦系統(tǒng)中的應用成為當前學術研究領域的一大熱點話題。 本文以如何提高用戶滿意度為主線,將系統(tǒng)中的用戶分為普通用戶、冷啟動用戶、爭議用戶等類型。在如何計算用戶之間信任度的問題上,本文通過社交網絡將信任機制引入推薦系統(tǒng)并參考社會學相關知識,將人們之間的信任來源分為三層：內部信任、交互信任和外部信任,其中內部信任和交互信任屬于本地信任(Local Trust),外部信任屬于全局信任(Global Trust).為了能夠使模型靈活滿足不同類型用戶群體的需求,本文使用經驗參數(shù)將三種不同層次來源的信任相結合,提出層次化信任度計算模型。在本研究的實驗環(huán)節(jié),本文基于分布式計算模型以及知名網站Epinions.com的數(shù)據(jù)集,對層次化信任度計算模型中的經驗參數(shù)進行了研究,并且針對不同類型的用戶訓練得到不同的經驗參數(shù),利用訓練得到的經驗參數(shù),本文又對層次化信任度計算模型的推薦效果進行了比較研究。
【關鍵詞】：推薦系統(tǒng) 社交網絡 本地信任 全局信任 層次化信任
【學位授予單位】：首都經濟貿易大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-15
• 1.1 研究背景和意義8-9
• 1.2 關鍵概念說明9-13
• 1.2.1 推薦系統(tǒng)9-10
• 1.2.2 個性化推薦10-11
• 1.2.3 協(xié)同過濾11-12
• 1.2.4 信任12
• 1.2.5 社交網絡12-13
• 1.3 研究內容與文章結構13-14
• 1.4 本文創(chuàng)新點14
• 1.5 小結14-15
• 2 電子商務個性化推薦技術研究綜述15-23
• 2.1 個性化推薦技術介紹15-19
• 2.1.1 基于內容的推薦15-16
• 2.1.2 基于人口統(tǒng)計學的推薦16-17
• 2.1.3 基于協(xié)同過濾的推薦17-19
• 2.2 推薦系統(tǒng)評價指標19-20
• 2.2.1 準確度19
• 2.2.2 覆蓋率19-20
• 2.3 協(xié)同過濾缺陷討論20-22
• 2.3.1 數(shù)據(jù)稀疏20-21
• 2.3.2 冷啟動21
• 2.3.3 惡意攻擊敏感21-22
• 2.3.4 可擴展性差22
• 2.4 小結22-23
• 3 基于信任的個性化推薦技術綜述23-29
• 3.1 用戶信任與用戶相似度的關系考察23-24
• 3.2 社交網絡的發(fā)展將信任引入推薦系統(tǒng)24
• 3.3 信任機制的對協(xié)同過濾的改善24-26
• 3.3.1 信任機制克服數(shù)據(jù)稀疏問題25
• 3.3.2 信任機制克服冷啟動問題25
• 3.3.3 信任機制緩解惡意攻擊敏感問題25-26
• 3.3.4 信任機制對于可擴展性的改良26
• 3.4 基于用戶的個性化推薦技術26-27
• 3.5 基于信任的個性化推薦技術系統(tǒng)架構27-28
• 3.6 小結28-29
• 4 層次化信任度計算模型研究29-51
• 4.1 社交網絡中的多層次信任來源29-31
• 4.2 層次化信任度計算模型31-32
• 4.3 社交網絡的抽象表示32-33
• 4.4 聲譽信任值的計算33-40
• 4.4.1 PageRank33-37
• 4.4.2 Enhanced-PageRank37-40
• 4.5 交互信任值的計算40-47
• 4.5.1 Mole Trust41-45
• 4.5.2 Modified-Mole Trust45-47
• 4.6 內部信任值的計算47-48
• 4.7 層次化信任度計算實例48-50
• 4.8 小結50-51
• 5 實驗及推薦技術評估51-64
• 5.1 實驗平臺介紹51-53
• 5.1.1 Maver52
• 5.1.2 Mahout52-53
• 5.1.3 Hadoop53
• 5.2 實驗所用數(shù)據(jù)介紹53-54
• 5.3 層次化信任度計算模型性能評估54-63
• 5.3.1 經驗參數(shù)的確定55-57
• 5.3.2 算法改良效果評估57-59
• 5.3.3 模型預測能力評估59-61
• 5.3.4 模型推薦能力評估61-62
• 5.3.5 分布式推薦系統(tǒng)效率評估62-63
• 5.4 小結63-64
• 6 推薦系統(tǒng)所蘊含的潛在社會風險64-66
• 6.1 多數(shù)人的暴政64
• 6.2 回音箱64-65
• 6.3 “多數(shù)人的暴政”與“回音箱”之間的平衡65
• 6.4 小結65-66
• 7 結論與展望66-68
• 參考文獻68-70
• 附錄A:概念及定義目錄70-71
• 在校期間發(fā)表的學術論文和研究成果71-72
• 致謝72

【引證文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 楊強;結合個體影響力和信任傳遞的矩陣分解推薦算法[D];重慶師范大學;2016年

  本文關鍵詞：電子商務系統(tǒng)中一種層次化信任度計算模型，由筆耕文化傳播整理發(fā)布。

，

本文編號：322314