本文關(guān)鍵詞：基于信任機(jī)制的個性化推薦算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的高速發(fā)展,網(wǎng)絡(luò)信息量大幅增長,面對海量數(shù)據(jù)信息用戶無法快速有效地獲得對自己有用的信息,即“信息過載”問題,搜索引擎和推薦系統(tǒng)是解決“信息過載”問題的重要技術(shù)手段,但隨著信息量的高速增長,搜索引擎的被動搜索已不能完全滿足人們的需要,個性化推薦系統(tǒng)因能主動給用戶推薦可滿足他們興趣的信息而得到了廣泛的研究與發(fā)展。個性化推薦通過收集與分析用戶的歷史行為,利用一定的算法機(jī)制,可主動向用戶提供個性化的推薦。協(xié)同過濾推薦算法是推薦系統(tǒng)中應(yīng)用最廣泛的算法,但傳統(tǒng)協(xié)同過濾推薦算法存在著數(shù)據(jù)稀疏及冷啟動等問題,造成對冷啟動用戶或物品的推薦質(zhì)量不高,算法亟待改進(jìn)。隨著社交網(wǎng)絡(luò)的興起與發(fā)展,人們不僅是信息的消費(fèi)者,也是信息的生產(chǎn)者,信息量急速增長,因此,有研究者提出通過加入用戶的社交信息來對用戶進(jìn)行推薦。信任信息作為用戶最重要的社交信息被引入推薦,出現(xiàn)了基于信任的推薦算法,其在傳統(tǒng)推薦算法的基礎(chǔ)上,通過加入用戶的信任信息來改善推薦質(zhì)量,可有效緩解傳統(tǒng)協(xié)同過濾推薦算法存在的問題,但信任信息存在著數(shù)據(jù)稀疏且信任值形式單一等問題。針對信任推薦存在的問題,本文在分析傳統(tǒng)協(xié)同過濾推薦算法及信任推薦算法的基礎(chǔ)上,提出了如下三種算法:(1)針對顯式信任數(shù)據(jù)稀疏且信任形式單一的問題,引入隱式信任推斷算法,并結(jié)合顯式信任與隱式信任,基于SVD++算法模型,提出基于雙信任機(jī)制的EITrust SVD算法,其在依靠顯式信任獲得可靠推薦的同時,借助隱式信任獲得與用戶喜好相關(guān)的推薦。在公開數(shù)據(jù)集Film Trust上的實(shí)驗(yàn)表明,該算法可有效提高推薦準(zhǔn)確率;(2)針對信任信息為信任列表或二值信任的情況,通過結(jié)合評分信息與信任關(guān)系,對用戶之間的信任度進(jìn)行學(xué)習(xí),并將該信任影響作為推薦權(quán)重,提出加入信任學(xué)習(xí)的協(xié)同過濾推薦算法,在公開數(shù)據(jù)集Ciao數(shù)據(jù)集上的實(shí)驗(yàn)表明該算法可有效提供推薦準(zhǔn)確率。(3)通過對目標(biāo)用戶的信任列表及其信任用戶相似度之間的關(guān)系進(jìn)行相應(yīng)的分析,選取目標(biāo)用戶信任列表中的有效推薦用戶,并結(jié)合相似度的動態(tài)變化,提出加入動態(tài)變化相似度的信任推薦算法。
【關(guān)鍵詞】：協(xié)同過濾 信任推薦 顯示信任 隱式信任 信任學(xué)習(xí) 動態(tài)變化
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要5-7
• Abstract7-9
• 第一章 緒論9-15
• 1.1 研究背景與意義9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 本文的研究內(nèi)容12-13
• 1.4 論文的組織結(jié)構(gòu)13-14
• 本章小結(jié)14-15
• 第二章 相關(guān)概念與技術(shù)15-33
• 2.1 協(xié)同過濾推薦算法15-21
• 2.1.1 基本概念15-16
• 2.1.2 協(xié)同過濾推薦算法分類16-17
• 2.1.3 推薦算法的評價指標(biāo)17-20
• 2.1.4 傳統(tǒng)協(xié)同過濾算法存在的問題20-21
• 2.2 矩陣分解算法基礎(chǔ)21-23
• 2.2.1 矩陣分解模型21
• 2.2.2 模型求解21-23
• 2.3 推薦算法中的信任機(jī)制23-29
• 2.3.1 推薦系統(tǒng)中的信任定義23-24
• 2.3.2 信任分類24-25
• 2.3.3 信任網(wǎng)絡(luò)與信任矩陣25-27
• 2.3.4 信任的傳播與聚合27-29
• 2.4 基于信任機(jī)制的推薦算法29-32
• 2.4.1 基于信任的協(xié)同過濾推薦算法分類29-31
• 2.4.2 信任推薦算法的優(yōu)點(diǎn)及問題31-32
• 本章小結(jié)32-33
• 第三章 基于雙信任機(jī)制的SVD推薦算法33-43
• 3.1 基于雙信任機(jī)制的SVD推薦算法33-38
• 3.1.1 SVD及SVD++算法33-34
• 3.1.2 顯式信任與隱式信任34-35
• 3.1.3 EITrustSVD算法介紹35-38
• 3.2 基于FilmTrust數(shù)據(jù)集的實(shí)驗(yàn)分析38-42
• 3.2.1 數(shù)據(jù)集及評價標(biāo)準(zhǔn)38-39
• 3.2.2 參數(shù)選取39-40
• 3.2.3 實(shí)驗(yàn)結(jié)果及分析40-42
• 本章小結(jié)42-43
• 第四章 加入信任學(xué)習(xí)的協(xié)同過濾推薦算法43-50
• 4.1 加入信任學(xué)習(xí)的TrustLearning-SVD算法43-47
• 4.1.1 信任影響權(quán)重43-45
• 4.1.2 Trust Learning-SVD算法介紹45-47
• 4.2 基于Ciao數(shù)據(jù)集的實(shí)驗(yàn)分析47-49
• 4.2.1 測試數(shù)據(jù)集及評價標(biāo)準(zhǔn)47
• 4.2.2 實(shí)驗(yàn)結(jié)果與分析47-49
• 本章小結(jié)49-50
• 第五章 加入動態(tài)變化相似度的信任推薦算法50-58
• 5.1 加入動態(tài)變化相似度的信任推薦算法50-54
• 5.1.1 相似度與信任推薦50-53
• 5.1.2 加入動態(tài)變化相似度的Similarity-Trust Based算法53-54
• 5.2 基于Ciao數(shù)據(jù)集的實(shí)驗(yàn)分析54-57
• 5.2.1 數(shù)據(jù)集及評價標(biāo)準(zhǔn)54-55
• 5.2.2 實(shí)驗(yàn)結(jié)果與分析55-57
• 本章小結(jié)57-58
• 第六章 總結(jié)與展望58-60
• 致謝60-61
• 參考文獻(xiàn)61-65
• 附錄65-66
• 圖版66-67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機(jī)系統(tǒng)應(yīng)用;2006年10期

2 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計算機(jī)應(yīng)用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進(jìn)[J];計算機(jī)應(yīng)用與軟件;2008年09期

4 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強(qiáng);;智能博物館環(huán)境下的個性化推薦算法[J];計算機(jī)工程與應(yīng)用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術(shù);2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評價估計的混合推薦算法研究[J];微計算機(jī)信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機(jī)工程與應(yīng)用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(自然科學(xué)版);2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務(wù)個性化推薦系統(tǒng)[A];社會經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號：290505