本文關(guān)鍵詞：基于信任網(wǎng)絡(luò)隨機(jī)游走模型的協(xié)同過(guò)濾推薦方法研究

  更多相關(guān)文章： 推薦系統(tǒng) 協(xié)同過(guò)濾 隨機(jī)游走 信任網(wǎng)絡(luò) 信息過(guò)載

【摘要】：隨著近幾年互聯(lián)網(wǎng)與信息技術(shù)的快速發(fā)展,網(wǎng)絡(luò)向用戶(hù)提供的信息和應(yīng)用越來(lái)越多,在人們享受著網(wǎng)絡(luò)所帶來(lái)方便的同時(shí)信息過(guò)載現(xiàn)象也變得日趨嚴(yán)重,如何從海量數(shù)據(jù)中獲取滿(mǎn)足人們自身需要的信息已成為一個(gè)必須解決的問(wèn)題。現(xiàn)有的一些網(wǎng)絡(luò)應(yīng)用,例如搜索引擎(如Google、百度等)、門(mén)戶(hù)站點(diǎn)以及數(shù)據(jù)索引系統(tǒng)實(shí)質(zhì)上均是輔助人們篩選和獲取信息的工具,但他們很難滿(mǎn)足不同背景、不同時(shí)間以及不同環(huán)境的個(gè)性化信息需求,所以不能很好地解決信息過(guò)載問(wèn)題。個(gè)性化推薦系統(tǒng)作為一種有效的信息過(guò)濾技術(shù),是解決當(dāng)前信息過(guò)載問(wèn)題重要手段。協(xié)同過(guò)濾技術(shù)在目前眾多推薦技術(shù)當(dāng)中是最為成功也是應(yīng)用最為廣泛的推薦技術(shù)之一,在理論探索與實(shí)際應(yīng)用領(lǐng)域都取得了迅速發(fā)展。但是,隨著互聯(lián)網(wǎng)規(guī)模和覆蓋面的急速擴(kuò)張,用戶(hù)數(shù)量和信息數(shù)量也逐漸增多,致使經(jīng)典的協(xié)同過(guò)濾推薦方法受到了數(shù)據(jù)稀疏問(wèn)題、冷啟動(dòng)以及 托‖攻擊等問(wèn)題的挑戰(zhàn)。針對(duì)以上存在的問(wèn)題,為了提升推薦系統(tǒng)的預(yù)測(cè)精度和推薦質(zhì)量,本文完成的成果性工作主要包括:(1)對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦方法進(jìn)行了研究,分析了互聯(lián)網(wǎng)中用戶(hù)之間社交信任的特征,基于信任的特性建立信任網(wǎng)絡(luò)模型。(2)提出一種基于信任網(wǎng)絡(luò)隨機(jī)游走模型的協(xié)同過(guò)濾推薦方法。融合了基于信任和基于項(xiàng)目的協(xié)同過(guò)濾推薦方法,將信任模型作為引導(dǎo)推薦的重要因素。該方法不僅考慮信任用戶(hù)對(duì)目標(biāo)項(xiàng)目的評(píng)分,也考慮了他們對(duì)于那些和目標(biāo)項(xiàng)目相似項(xiàng)目的評(píng)分。隨著在信任網(wǎng)絡(luò)中游走深度的逐步增加,以相似項(xiàng)目的評(píng)分信息替代目標(biāo)項(xiàng)目的評(píng)分信息的概率也將逐漸增大,最終根據(jù)多輪迭代游走產(chǎn)生的結(jié)果集加權(quán)計(jì)算最終的預(yù)測(cè)評(píng)分。(3)在傳統(tǒng)Pearson相似度計(jì)算方法基礎(chǔ)之上,引入Sigmoid函數(shù)以提高共同評(píng)價(jià)用戶(hù)數(shù)量對(duì)相似度大小的影響,從而增強(qiáng)相似度計(jì)算的合理性。(4)本文全部試驗(yàn)數(shù)據(jù)采用包含用戶(hù)間信任信息的Epinions數(shù)據(jù)集。通過(guò)實(shí)驗(yàn)比較了基于信任網(wǎng)絡(luò)隨機(jī)游走模型推薦方法在不同參數(shù)下的性能,從而尋求最優(yōu)參數(shù)組合。實(shí)驗(yàn)結(jié)果證明了本文提出的方法在推薦精度上明顯高于傳統(tǒng)協(xié)同過(guò)濾推薦算法。
【關(guān)鍵詞】：推薦系統(tǒng) 協(xié)同過(guò)濾 隨機(jī)游走 信任網(wǎng)絡(luò) 信息過(guò)載
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.3
，

本文編號(hào)：1025300