社會網絡博弈論方法下的推薦激勵策略研究.pdf

1、隨著時代的變遷，人們的日常生活已經無法脫離網絡，用戶的生活變得更加便利，獲得知識的途徑更加多樣化，購物也變得省時省力。然而，網絡中隨之而來的呈指數(shù)增長的信息導致的“信息過載”使得用戶無法從眾多信息中選擇自己感興趣的內容，增加了用戶體驗的時間。因此，用于篩選信息的推薦系統(tǒng)得以產生。推薦技術的出現(xiàn)大大減少了用戶查找信息的時間，并且提供給用戶更好的項目體驗?；谛湃尉W絡的推薦方法主要依靠用戶之間的信任關系與用戶興趣之間的關聯(lián)性來進行推薦，但是

2、用戶之間的信任數(shù)據(jù)是稀疏的，推薦系統(tǒng)的覆蓋率較低。
　　本文圍繞用戶的評論行為研究如何改善推薦系統(tǒng)中存在的用戶—項目評分矩陣稀疏、用戶信任矩陣稀疏、團體用戶的共謀推薦和新用戶的推薦問題。本文依據(jù)社會網絡中信任用戶之間具有相似興趣的特性，將用戶的信任作為預測評分的權重，結合用戶對項目的評分，從而有效提高推薦的準確率。用戶評分的動機來源于用戶的利益傾向，只有通過評分獲得了更多的利益時才會選擇評分的策略，因此本文提出促使用戶理性積極評分

3、的激勵策略。本文主要工作如下：
　　1.提出了改進的基于信任網絡的推薦方法。本文通過對原有基于信任的推薦中信任網絡構建方法的研究，從不同用戶對同一項目評論標準不一致的觀點出發(fā)，構建信任模型。本文信任模型包括用戶設定信任用戶所形成的顯性信任和通過用戶評分構建的隱性信任，將兩種信任結合得到用戶的信任矩陣，并根據(jù)用戶的信任矩陣構建用戶的反饋信任。本文利用Epinion數(shù)據(jù)對提出的信任模型的預測評分進行預測準確率和覆蓋率仿真實驗。實驗表明

4、，與基于顯性信任的推薦模型和原始的基于信任的推薦模型相比，本文構建的信任模型在一定條件下對評分預測的準確率有所提高。
　　2.提出用戶評分的激勵策略。研究用戶選擇項目評價的動機，構建用戶的激勵函數(shù)。根據(jù)其他信任用戶關于項目的評分設計用戶評分的固定激勵，并根據(jù)用戶推薦后得到的反饋信任構建用戶推薦的動態(tài)激勵，將兩部分激勵函數(shù)相結合作為激勵用戶評分的激勵函數(shù)。最后，基于博弈論的原理，分析在無激勵函數(shù)和給與用戶激勵函數(shù)的不同前提下，不同屬

5、性的用戶選擇評論行為的概率。分析表明，隨著時間的推移，給與激勵函數(shù)的策略與無激勵函數(shù)的策略相比，用戶為了獲得更多的利益，傾向于選擇評論策略，而對于共謀屬性的用戶參與評分后，用戶無法獲得最大的利益，隨著時間的推移用戶不得不選擇不評分策略。因此，激勵函數(shù)能夠促進網絡中用戶評分，從而得到更多的項目評分。
　　3.提出了基于權威用戶的新用戶的推薦方法，將收益最大的用戶作為權威用戶，將權威用戶評分高的項目作為為新用戶推薦的項目。利用Epin