本文關(guān)鍵詞：基于信任關(guān)系的協(xié)同過濾推薦技術(shù)研究

  更多相關(guān)文章： 信任機制 信任網(wǎng)絡(luò)模型 商品推薦 好友推薦

【摘要】：互聯(lián)網(wǎng)和電子商務(wù)的快速發(fā)展使得網(wǎng)絡(luò)信息急速增長，多元的網(wǎng)絡(luò)應(yīng)用給人們帶來了便利服務(wù)的同時，也讓人們深陷“信息過載”沼澤。對于需求清晰的用戶，借助搜索引擎便能快速找到目標信息，但多數(shù)情況下，用戶無法簡單、準確表達自身信息需求，只能在線咨詢或參考他人建議。與此同時，由于缺乏可靠的咨詢渠道和信息共享平臺，導(dǎo)致在線咨詢和信息共享無法可靠完成。因此，引入相應(yīng)信任管理機制，來確保用戶在線活動所處網(wǎng)絡(luò)環(huán)境的安全可靠，成為電子商務(wù)發(fā)展急需解決的問題。本文針對以上難題進行的主要工作內(nèi)容有： 第一，模擬現(xiàn)實生活中人們對信任關(guān)系處理的過程，對電子商務(wù)網(wǎng)絡(luò)中用戶間的信任關(guān)系進行建模管理，經(jīng)過對信任網(wǎng)絡(luò)模型進行初始化、局部信任關(guān)系擴展、信任權(quán)值計算三個步驟，構(gòu)建一個集用戶全局權(quán)威信任和用戶局部信任關(guān)系的信任模型。相比于其他同類模型，該模型最大特點是在信任關(guān)系擴展過程中增加了興趣因素的導(dǎo)向作用，對信任傳播路徑的探測有了一定的選擇性。 第二，改變傳統(tǒng)協(xié)同過濾算法中用戶相似度計算方法，，設(shè)計了一種基于用戶偏好立場的興趣相似度計算方法UPPS，提出新的UPPS+Trust算法，將信任因素和興趣因素共同作用于商品推薦過程中，利用UPPS相似度和信任網(wǎng)絡(luò)模型中用戶間信任評價度的結(jié)合，為用戶尋找更多基于信任因素和興趣因素的二維相似近鄰，從而提供一種新的商品推薦方法。 第三，本文從分析用戶行為方面入手，利用平臺用戶的信任入度和信任出度信息，設(shè)計了一種用戶間信任行為相似度的計算方法UTBS；同時，利用項目評分等級表征用戶興趣信息量，設(shè)計一種用戶間評分行為相似度的計算方法URBS，以此分析潛在好友間行為方面的相似關(guān)聯(lián)。 第四，充分利用潛在好友間行為相似性，并結(jié)合信任網(wǎng)絡(luò)模型中用戶信任評價度信息，提出新的Trust+BS好友推薦算法，為用戶提供可靠的好友推薦服務(wù)。相比其他同類應(yīng)用準確率在10%-15%、召回率在10%-20%的性能，本文方法準確率和召回率的最佳性能分別達到22.47%和21.15%。 綜上所述，本文將信任引入?yún)f(xié)同過濾推薦過程中，從興趣、信任、行為等多角度對用戶關(guān)聯(lián)進行描述，充分挖掘了用戶間的潛在關(guān)聯(lián)，緩解了系統(tǒng)數(shù)據(jù)稀疏的壓力，提高了系統(tǒng)的預(yù)測準確度。
【關(guān)鍵詞】：信任機制 信任網(wǎng)絡(luò)模型 商品推薦 好友推薦
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 研究背景及意義10-12
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 商品推薦研究現(xiàn)狀12-14
• 1.2.2 好友推薦研究現(xiàn)狀14-16
• 1.3 論文研究內(nèi)容與組織結(jié)構(gòu)16-18
• 第2章 推薦系統(tǒng)技術(shù)18-32
• 2.1 個性化推薦技術(shù)18-23
• 2.1.1 基于內(nèi)容的推薦技術(shù)18-19
• 2.1.2 協(xié)同過濾推薦技術(shù)19-20
• 2.1.3 基于關(guān)聯(lián)規(guī)則的推薦技術(shù)20-21
• 2.1.4 基于圖結(jié)構(gòu)的推薦算法21-22
• 2.1.5 基于標簽的推薦算法22-23
• 2.2 信任模型23-27
• 2.2.1 信任評價的定義及特點23-25
• 2.2.2 信任模型的分類及作用25-27
• 2.3 推薦系統(tǒng)評價指標27-30
• 2.4 本章小結(jié)30-32
• 第3章 信任網(wǎng)絡(luò)模型的設(shè)計與構(gòu)建32-42
• 3.1 信任網(wǎng)絡(luò)32-33
• 3.2 信任網(wǎng)絡(luò)模型架構(gòu)33-40
• 3.2.1 信任網(wǎng)絡(luò)初始化34-36
• 3.2.2 局部信任網(wǎng)絡(luò)擴展36-37
• 3.2.3 信任網(wǎng)絡(luò)模型信任值計算37-40
• 3.3 本章小結(jié)40-42
• 第4章 融合信任與興趣的協(xié)同過濾商品推薦42-54
• 4.1 基于信任網(wǎng)絡(luò)模型的協(xié)同過濾推薦系統(tǒng)結(jié)構(gòu)42-44
• 4.2 基于信任網(wǎng)絡(luò)模型的協(xié)同過濾商品推薦算法44-46
• 4.2.1 相似度計算45
• 4.2.2 相似度與信任度結(jié)合45-46
• 4.2.3 評分預(yù)測及推薦46
• 4.3 數(shù)據(jù)集簡介46-48
• 4.4 實驗結(jié)果及分析48-52
• 4.4.1 參數(shù) R 對系統(tǒng)性能的影響48-49
• 4.4.2 不同局部信任網(wǎng)絡(luò)規(guī)模和近鄰閾值β對實驗的影響49-51
• 4.4.3 不同推薦策略的性能比較51-52
• 4.5 本章小結(jié)52-54
• 第5章 基于信任與相似行為的電子商務(wù)好友推薦54-66
• 5.1 基于信任網(wǎng)絡(luò)模型的電子商務(wù)好友推薦算法架構(gòu)54-55
• 5.2 基于信任網(wǎng)絡(luò)模型的電子商務(wù)好友推薦算法55-59
• 5.2.1 信任行為相似度計算56
• 5.2.2 評分行為相似度計算56-58
• 5.2.3 相似度與信任度結(jié)合58-59
• 5.3 實驗結(jié)果及分析59-64
• 5.3.1 不同信任行為相似度計算方法在 PathLen 控制下的系統(tǒng)性能59-60
• 5.3.2 不同推薦策略對性能的影響60-62
• 5.3.3 不同信任網(wǎng)絡(luò)規(guī)模及單次推薦數(shù)目對性能的影響62-64
• 5.4 本章小結(jié)64-66
• 結(jié)論與展望66-68
• 結(jié)論66
• 展望66-68
• 參考文獻68-72
• 攻讀碩士學(xué)位期間取得的研究成果72-74
• 致謝74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 張光衛(wèi);李德毅;李鵬;康建初;陳桂生;;基于云模型的協(xié)同過濾推薦算法[J];軟件學(xué)報;2007年10期

2 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

本文編號：718881