發(fā)布時間：2017-04-26 02:08

  本文關(guān)鍵詞：基于信任偏好的電子商務個性化項目推薦研究，由筆耕文化傳播整理發(fā)布。

【摘要】：伴隨著網(wǎng)絡時代的到來，信息呈現(xiàn)爆炸式增長，人們很難在海量的信息中快速找到自己需要的項目。在此信息及網(wǎng)絡環(huán)境下，個性化推薦技術(shù)應運而生。然而，現(xiàn)存應用最為廣泛的協(xié)同過濾推薦技術(shù)在冷啟動、稀疏性等方面存在問題，影響了推薦結(jié)果的準確性。為此，考慮將目前廣為流行的web2.0下的標簽技術(shù)引入到個性化推薦中，并同時考慮用戶評分、評分時間因素以及信任因素，提出基于信任偏好的電子商務個性化推薦模型，以提高推薦系統(tǒng)的準確性。主要研究的內(nèi)容是：現(xiàn)有的推薦技術(shù)在用戶興趣的度量上，往往只考慮一個或兩個因素。然而，作為反映用戶興趣的重要屬性，用戶給項目的標簽、用戶對該標簽的評分、用戶標注項目的時間，這些因素都是非常重要的。所以，有必要將這些因素綜合起來加以考慮，進而產(chǎn)生更加準確的興趣推薦結(jié)果�；诖�，文章提出綜合標簽、得分和用戶興趣偏好時效性三個因素的個性化項目推薦模型。該模型將多維因素納入到推薦模型中，能夠有效提高項目推薦系統(tǒng)的準確度。理論研究表明信任與用戶偏好相似性之間呈正向關(guān)系。在多維因素模型基礎上，將信任引入到新推薦模型中，提出基于信任偏好的電子商務個性化推薦模型，并通過直接信任和間接信任分別進行項目的個性化推薦研究。該模型在鄰居用戶的產(chǎn)生上更加科學，因為相比于含時效性的用戶興趣信息，，使用信任來度量用戶之間的相似性更加準確；同時該模型在單個用戶的興趣度量上保留了綜合標簽、得分和偏好時效性方法的優(yōu)點，在一定程度上，對協(xié)同過濾系統(tǒng)存在的冷啟動、黑匣子、稀疏性和伸縮性等問題提供了解決方法。
【關(guān)鍵詞】：信任 偏好 個性化推薦 協(xié)同過濾 電子商務
【學位授予單位】：天津大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP391.3;F713.36
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 緒論8-13
• 1.1 研究背景與問題提出8-9
• 1.2 相關(guān)概念9-10
• 1.2.1 標簽9
• 1.2.2 個性化推薦9-10
• 1.2.3 個性化推薦中的信任10
• 1.3 研究內(nèi)容及意義10-11
• 1.4 論文安排11-13
• 第二章 電子商務個性化推薦技術(shù)相關(guān)研究13-21
• 2.1 引言13
• 2.2 協(xié)同過濾推薦技術(shù)13-17
• 2.2.1 基于用戶的協(xié)同過濾技術(shù)13-15
• 2.2.2 基于項目的協(xié)同過濾技術(shù)15-16
• 2.2.3 基于用戶與基于項目混合協(xié)同過濾技術(shù)16-17
• 2.3 基于內(nèi)容的推薦技術(shù)17-18
• 2.4 其他推薦技術(shù)18-19
• 2.4.1 基于人口統(tǒng)計的推薦技術(shù)18
• 2.4.2 基于效用的推薦技術(shù)18
• 2.4.3 基于知識的推薦技術(shù)18-19
• 2.4.4 基于規(guī)則的推薦技術(shù)19
• 2.5 各種推薦技術(shù)的比較19-20
• 2.6 本章小結(jié)20-21
• 第三章 綜合標簽、得分和偏好時效性的個性化項目推薦模型21-31
• 3.1 引言21-22
• 3.2 綜合 TRPT 的個性化項目推薦方法22-26
• 3.2.1 單個用戶標簽及得分模型22-24
• 3.2.2 建立時間得分模型24
• 3.2.3 計算偏好總得分24-25
• 3.2.4 計算用戶相似性25-26
• 3.2.5 項目推薦26
• 3.3 推薦過程實驗26-29
• 3.4 綜合 TRPT 的個性化項目推薦方法的評價29-30
• 3.5 本章小結(jié)30-31
• 第四章 信任模型在電子商務中的應用31-37
• 4.1 引言31
• 4.2 信任計算模型31-34
• 4.2.1 信任推導32-33
• 4.2.2 局部信任33
• 4.2.3 全局信任33-34
• 4.3 基于信任的個性化推薦34-36
• 4.4 本章小結(jié)36-37
• 第五章 基于信任偏好的電子商務個性化推薦模型37-49
• 5.1 引言37
• 5.2 信任與用戶偏好相似性37-38
• 5.3 基于信任偏好的電子商務個性化項目推薦模型38-43
• 5.3.1 直接信任用戶的產(chǎn)生39-40
• 5.3.2 信任繁殖40-42
• 5.3.3 用戶偏好的度量42-43
• 5.3.4 考慮直接信任用戶的項目推薦43
• 5.3.5 考慮用戶信任繁殖后的項目推薦43
• 5.4 基于信任偏好的推薦系統(tǒng)和傳統(tǒng)協(xié)同過濾系統(tǒng)對比分析43-45
• 5.5 推薦過程實驗45-48
• 5.6 本章小結(jié)48-49
• 第六章 基于信任偏好的電子商務個性化推薦流程結(jié)構(gòu)設計及實驗49-54
• 6.1 基于信任偏好的電子商務個性化項目推薦流程49-51
• 6.1.1 數(shù)據(jù)輸入49-50
• 6.1.2 輸入數(shù)據(jù)預處理50
• 6.1.3 推薦建模和推薦引擎50
• 6.1.4 在線推薦50-51
• 6.2 基于信任偏好的電子商務個性化項目推薦系統(tǒng)的體系結(jié)構(gòu)51-52
• 6.2.1 用戶接口51
• 6.2.2 推薦服務51
• 6.2.3 數(shù)據(jù)庫51-52
• 6.3 實驗與分析52-53
• 6.3.1 實驗數(shù)據(jù)52
• 6.3.2 度量標準52
• 6.3.3 結(jié)果分析52-53
• 6.4 本章小結(jié)53-54
• 第七章 總結(jié)和展望54-56
• 7.1 文章總結(jié)54
• 7.2 研究展望54-56
• 參考文獻56-60
• 發(fā)表論文和參加科研情況說明60-61
• 發(fā)表論文60
• 參與的科研項目60-61
• 致謝61

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 蔡浩;賈宇波;黃成偉;;結(jié)合用戶信任模型的協(xié)同過濾推薦方法研究[J];計算機工程與應用;2010年35期

2 張志強;孟慶海;謝曉芹;;個性化的社會標簽查詢擴展技術(shù)研究[J];計算機科學與探索;2010年09期

3 劉旭東;陳德人;王惠敏;;一種改進的協(xié)同過濾推薦算法[J];武漢理工大學學報(信息與管理工程版);2010年04期

4 李聰;;電子商務協(xié)同過濾可擴展性研究綜述[J];現(xiàn)代圖書情報技術(shù);2010年11期

5 張秀杰;朱克珊;李鋼;;基于標簽、得分和偏好時效性的項目推薦方法[J];計算機系統(tǒng)應用;2012年03期

6 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進展[J];自然科學進展;2009年01期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 劉慶華;個性化推薦技術(shù)及其在電子商務中的應用[D];南昌大學;2007年

  本文關(guān)鍵詞：基于信任偏好的電子商務個性化項目推薦研究，由筆耕文化傳播整理發(fā)布。

本文編號：327520