引入信任的二部圖電子商務(wù)個性化推薦算法改進研究.pdf

1、隨著信息時代的發(fā)展和互聯(lián)網(wǎng)的廣泛應(yīng)用，電子商務(wù)迅猛成長起來并廣泛應(yīng)用于人們生活的各個領(lǐng)域。越來越多的商家和用戶參與到電子商務(wù)領(lǐng)域中來，一方面，商家渴望增強自身競爭力，增加客戶忠誠度，從而增加收益；一方面，用戶希望面對越來越多的產(chǎn)品時能夠更加快速便捷并準確地買到合適的產(chǎn)品。因此，電子商務(wù)個性化推薦系統(tǒng)受到重視，其中以對推薦算法的研究最為關(guān)鍵。近年來新興的二部圖推薦算法在電子商務(wù)個性化推薦領(lǐng)域有著較應(yīng)用最廣泛的協(xié)同過濾推薦算法更好的性能表現(xiàn)

2、。鑒于此，本文將基于經(jīng)典的二部圖算法，再引入刻畫用戶偏好的信任概念，完成以圖部算法為核心的電子商務(wù)個性化推薦算法的改進研究。
　　本文從“劃分近鄰網(wǎng)絡(luò)”、“差異化商品初始資源配置”及“資源傳輸路徑賦權(quán)”三個方面對傳統(tǒng)的二部圖推薦算法進行較全面綜合的改進。在“劃分近鄰網(wǎng)絡(luò)”時，將信任關(guān)系引入到近鄰劃分方法中，提出一種將用戶相似度與用戶信任度相結(jié)合的方式，利用用戶信任度作為相似度的一個有效補充從而克服數(shù)據(jù)稀疏性得到可信的興趣相似的用戶

3、群。并設(shè)計實驗確定最佳的用戶相似度與用戶信任度的結(jié)合系數(shù)。在“差異化商品初始資源配置”時，用各個商品的“度”（即被購買的次數(shù)）來衡量商品的受喜愛程度，“度”越大越受喜愛。在有用戶評分時利用用戶評分最后在商品集中標準化后得到的數(shù)值為各個商品的初始資源配置。此改進擬用各個商品受用戶喜愛程度來差異化商品的推薦能力。在“資源傳輸路徑賦權(quán)”時，本文利用“劃分近鄰網(wǎng)絡(luò)”時得到的用戶相似度與用戶信任度結(jié)合的復(fù)合矩陣的對應(yīng)值為“用戶商品”資源傳輸路徑進

4、行賦權(quán)來刻畫不同用戶的推薦能力，以期提高本文算法的推薦準確度和推薦有效性。采用個性化推薦領(lǐng)域的經(jīng)典數(shù)據(jù)集，共設(shè)計3個實驗來驗證本文算法的有效性，實驗結(jié)果表明引入信任的二部圖電子商務(wù)個性化推薦算法（The bipartite graph recommendation algorithm based on trust，簡稱TBG）較之基于物質(zhì)擴散的二部圖算法以及評分賦權(quán)二部圖算法在預(yù)測精確度和召回率相當?shù)那闆r下，在產(chǎn)品的排序準確度方面表現(xiàn)更