基于信任機制的個性化推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展，網(wǎng)絡信息量大幅增長，面對海量數(shù)據(jù)信息用戶無法快速有效地獲得對自己有用的信息，即“信息過載”問題，搜索引擎和推薦系統(tǒng)是解決“信息過載”問題的重要技術手段，但隨著信息量的高速增長，搜索引擎的被動搜索已不能完全滿足人們的需要，個性化推薦系統(tǒng)因能主動給用戶推薦可滿足他們興趣的信息而得到了廣泛的研究與發(fā)展。個性化推薦通過收集與分析用戶的歷史行為，利用一定的算法機制，可主動向用戶提供個性化的推薦。協(xié)同過濾推薦算法是推薦系統(tǒng)中應

2、用最廣泛的算法，但傳統(tǒng)協(xié)同過濾推薦算法存在著數(shù)據(jù)稀疏及冷啟動等問題，造成對冷啟動用戶或物品的推薦質量不高，算法亟待改進。隨著社交網(wǎng)絡的興起與發(fā)展，人們不僅是信息的消費者，也是信息的生產者，信息量急速增長，因此，有研究者提出通過加入用戶的社交信息來對用戶進行推薦。信任信息作為用戶最重要的社交信息被引入推薦，出現(xiàn)了基于信任的推薦算法，其在傳統(tǒng)推薦算法的基礎上，通過加入用戶的信任信息來改善推薦質量，可有效緩解傳統(tǒng)協(xié)同過濾推薦算法存在的問題，但

3、信任信息存在著數(shù)據(jù)稀疏且信任值形式單一等問題。
　　針對信任推薦存在的問題，本文在分析傳統(tǒng)協(xié)同過濾推薦算法及信任推薦算法的基礎上，提出了如下三種算法：
　?。?）針對顯式信任數(shù)據(jù)稀疏且信任形式單一的問題，引入隱式信任推斷算法，并結合顯式信任與隱式信任，基于 SVD++算法模型，提出基于雙信任機制的EITrustSVD算法，其在依靠顯式信任獲得可靠推薦的同時，借助隱式信任獲得與用戶喜好相關的推薦。在公開數(shù)據(jù)集FilmTrust

4、上的實驗表明，該算法可有效提高推薦準確率；
　　（2）針對信任信息為信任列表或二值信任的情況，通過結合評分信息與信任關系，對用戶之間的信任度進行學習，并將該信任影響作為推薦權重，提出加入信任學習的協(xié)同過濾推薦算法，在公開數(shù)據(jù)集 Ciao數(shù)據(jù)集上的實驗表明該算法可有效提供推薦準確率。
　?。?）通過對目標用戶的信任列表及其信任用戶相似度之間的關系進行相應的分析，選取目標用戶信任列表中的有效推薦用戶，并結合相似度的動態(tài)變化，提出