基于協(xié)同過(guò)濾的推薦系統(tǒng)相關(guān)算法研究.pdf

1、互聯(lián)網(wǎng)的蓬勃發(fā)展使得人們能夠便捷的獲取豐富的信息，同時(shí)也造成了非常嚴(yán)重的信息過(guò)載問(wèn)題。自個(gè)性化推薦系統(tǒng)提出以來(lái)，就以其強(qiáng)大的能力和適應(yīng)性得到了快速的發(fā)展與應(yīng)用，協(xié)同過(guò)濾則是其中應(yīng)用最廣泛也是最成功的一種推薦算法。協(xié)同過(guò)濾推薦系統(tǒng)是基于特定領(lǐng)域中收集到的歷史數(shù)據(jù)來(lái)給用戶推薦其可能感興趣的物品。由于評(píng)分?jǐn)?shù)據(jù)的稀疏性及‘冷啟動(dòng)’問(wèn)題，這類算法的效果往往也并不盡如人意。本文針對(duì)推薦系統(tǒng)中的兩類數(shù)據(jù)，從多源遷移學(xué)習(xí)和利用社交信任關(guān)系的角度，改進(jìn)相

2、關(guān)協(xié)同過(guò)濾算法，從一定程度上緩解了上述問(wèn)題造成的影響。
　　本研究主要內(nèi)容包括：⑴設(shè)計(jì)了一種基于多源遷移學(xué)習(xí)的共享組級(jí)因子模型，解決了單源遷移學(xué)習(xí)因?yàn)樵从虻挠脩艏绊?xiàng)目數(shù)量有限，無(wú)法覆蓋整個(gè)目標(biāo)域的問(wèn)題，同時(shí)能夠自主學(xué)習(xí)得到不同源域與目標(biāo)域之間的相關(guān)性系數(shù)。實(shí)驗(yàn)結(jié)果證明改進(jìn)后的算法能夠提升算法的預(yù)測(cè)正確率，同時(shí)能夠減弱數(shù)據(jù)稀疏性的影響。⑵研究了社交網(wǎng)絡(luò)中用戶間存在的信任關(guān)系，考慮到用戶在信任網(wǎng)絡(luò)中表現(xiàn)為兩種角色，即信托者和受托者時(shí)受

3、到不同用戶的影響?；谄娈愔捣纸饽Ｐ蛷挠脩舻膬煞N角色出發(fā)，同時(shí)融合評(píng)分信息和信任關(guān)系中的隱藏信息，給出了一種基于兩種角色信任感知的Dual-TrustSVD模型。隨后結(jié)合近鄰模型中的一些觀點(diǎn)，引入項(xiàng)目間的相似性，設(shè)計(jì)了一種改進(jìn)后的Dual-TrustSVDNN模型。最后的實(shí)驗(yàn)也證明了新算法提升了預(yù)測(cè)效果，也更適應(yīng)“冷啟動(dòng)”環(huán)境。⑶分析了信任關(guān)系在隱式反饋?lái)?xiàng)目推薦中的作用，利用信任關(guān)系將目標(biāo)用戶的顯示反饋信息進(jìn)行了劃分，解決了目標(biāo)用戶對(duì)于