發(fā)布時間：2021-01-27 04:40

　　近年來,社交網(wǎng)絡(luò)服務(wù)日益流行,人們在上網(wǎng)購物時,往往容易接受朋友的推薦。很多科研學(xué)者嘗試將用戶的社交網(wǎng)絡(luò)信息融入到推薦算法中,經(jīng)研究表明,用戶的社交網(wǎng)絡(luò)信息確實(shí)可以有效緩解協(xié)同過濾推薦算法存在的數(shù)據(jù)稀疏性、擴(kuò)展性不足等問題,具有一定的研究意義。然而大部分基于社交網(wǎng)絡(luò)的推薦算法僅僅只利用了用戶好友之間的二值化信任關(guān)系,卻忽略了好友之間因具有不同興趣偏好而使信任程度也不相同的問題,并且很多算法沒有考慮用戶在不同領(lǐng)域下信任的朋友也會不同。此基礎(chǔ)之上,針對當(dāng)前算法存在的問題,本文利用用戶在社交網(wǎng)絡(luò)中的好友關(guān)系和用戶興趣行為隨時間變化的特點(diǎn),提出改進(jìn)算法,具體研究內(nèi)容如下。（1）針對用戶-項(xiàng)目數(shù)據(jù)稀疏性問題,本文在基于用戶的協(xié)同過濾推薦算法進(jìn)行改進(jìn),利用推薦用戶的社交信息和評分信息,提出一種融合信任模型和用戶行為的推薦算法。首先根據(jù)項(xiàng)目類別對社交信任網(wǎng)絡(luò)進(jìn)行劃分,其次,在社交網(wǎng)絡(luò)中根據(jù)用戶信任的傳遞性建立推薦用戶的信任模型,考慮到用戶與近鄰好友興趣偏好的差異,利用共同評分項(xiàng)目分別計算用戶與好友之間的信任度,同時使用用戶評分真實(shí)度來減弱虛假或機(jī)器用戶的影響。最后結(jié)合用戶相似度形成推薦權(quán)重,對推薦用... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

中國網(wǎng)民規(guī)模Figure1-1ThescaleofChineseinternetusers當(dāng)前推薦系統(tǒng)已經(jīng)被廣泛應(yīng)用在淘寶、京東、亞馬遜等電子商務(wù)平臺[4]，新


本文編號：3002436