本文關鍵詞：基于信任條件傳遞與聚合的推薦算法

  更多相關文章： 信任 推薦系統(tǒng) 信任條件傳遞性 協(xié)同過濾算法

【摘要】：目前,廣泛應用的推薦系統(tǒng)是基于協(xié)同過濾的推薦系統(tǒng),其原理是尋找與目標用戶相似的用戶,以這些相似用戶的喜好為基礎生成目標用戶的喜好;其優(yōu)點在于系統(tǒng)只依賴于用戶對商品的評價,因而所需的輸入信息較少,但是協(xié)同過濾推薦系統(tǒng)也存在一些問題,比如新用戶問題、新項目問題以及數據稀疏問題。結合信任網絡的推薦系統(tǒng)可有效解決這些問題,信任推薦系統(tǒng)在傳統(tǒng)推薦系統(tǒng)的基礎上引入了用戶間的信任關系,通過信任關系搜索被目標用戶信任的用戶,并以這些被信任用戶的喜好為基礎生成目標用戶的喜好。目前基于信任的推薦系統(tǒng)假設信任是無條件可傳遞的,系統(tǒng)會搜索與目標用戶有信任關系的所有用戶,一個推薦系統(tǒng)中往往有成千上百萬的用戶,如果搜索所有與目標用戶有信任關系的用戶勢必會在一定程度上降低推薦系統(tǒng)的性能。為進一步提高推薦算法的性能,我們分別提出了兩種結合信任的推薦算法。首先,提出基于信任條件傳遞與聚合的推薦算法,稱為“信任流聚合算法(SMTrust)”。算法引入有條件的信任傳遞對信任搜索路徑進行過濾以更準確地找到推薦用戶并且提高了算法搜索效率,同時算法中引入獎懲機制,將推薦用戶分為優(yōu)質推薦者和劣質推薦者,算法根據推薦效果分別對優(yōu)質推薦者進行獎勵,對劣質推薦者進行處罰。通過獎懲機制,進一步提高了算法的準確率。針對覆蓋率和準確率指標進行了實驗,與傳統(tǒng)協(xié)同過濾算法以及主流的基于信任的推薦算法進行對比,結果表明算法在覆蓋率及準確率兩項指標上都有進一步的提升。其次,基于目前主流的矩陣分解算法,嘗試將用戶之間的信任關系融合到矩陣分解算法的目標函數中,提出了一種結合信任網絡的矩陣分解算法(TNMF)。算法針對準確率指標進行實驗,并與其他推薦算法進行實驗對比,結果表明算法在準確率指標上有進一步的提升。
【學位授予單位】：煙臺大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3
，

本文編號：1223059