基于信任的協(xié)同過濾技術研究.pdf

1、隨著Internet的發(fā)展，網絡上的信息以指數規(guī)律增長，人們需要花費大量的時間和精力才能找到自己需要的信息，出現了“信息過載”和“信息迷航”等問題。傳統(tǒng)的通用搜索引擎，例如Google、百度等，可以從一定程度上幫助人們查找所需信息。然而，當輸入相同的搜索詞時，通用搜索引擎返回給每個用戶的結果都一樣，缺乏個性化。隨著人們對個性化服務的需求越來越多，個性化服務技術得到了企業(yè)以及普通用戶的青睞。如何根據用戶的興趣提供不同的個性化服務成為一個具

2、有挑戰(zhàn)性的問題。推薦系統(tǒng)作為一種個性化服務技術在電子商務網站以及數字圖書館等領域中得到了廣泛的應用。
　　 常用的推薦系統(tǒng)主要有兩種：基于內容的推薦系統(tǒng)和協(xié)同過濾推薦系統(tǒng)。其中，協(xié)同過濾技術是最常用的一種推薦技術。但是，協(xié)同過濾技術存在一些固有的缺陷，例如，“稀疏性”問題，“冷啟動”問題，“易受攻擊問題”以及“可擴展性”問題等。
　　 另外，由于現代網絡的開發(fā)性、分布性等特點，用戶可以在任何時候任何地點發(fā)布任何信息，由此

3、造成的網絡安全隱患問題越來越突出。在網絡虛擬環(huán)境中人們對信任的需求也越來越迫切。
　　 為了解決以上問題，一些研究人員提出了許多改進方法。例如，將基于內容的推薦技術和協(xié)同過濾推薦技術相結合形成混合推薦。也有人提出將信任引入推薦系統(tǒng)。本文就是信任引入推薦系統(tǒng)，與協(xié)同過濾推薦技術相結合。用戶既可以對產品進行評論，也可以對其他用戶進行評論，也就是表達當前用戶對其他用戶的信任評論。本文中信任關系表示其他用戶的評分對當前用戶是否有用或者是

4、否相關。用戶之間信任關系組成了一張信任網絡，形成一張有向圖。另外，由于現實系統(tǒng)中用戶數量眾多，當前用戶不可能對所有其他用戶都表達了信任關系，這就需要有一種機制來估算這些未知的信任關系。通過信任在信任網絡中的傳遞，可以通過信任計算機制(Trust Metric)估算出更多用戶之間的信任關系。被信任度高于一定閾值的用戶作為當前用戶的鄰居用戶。通過將這些鄰居用戶評論較高的產品或者服務推薦給當前用戶來形成最終的推薦。這樣就可以有效地減輕協(xié)同過濾

5、系統(tǒng)固有的“冷啟動”、“稀疏性”以及“易受攻擊”等問題。同時，滿足人們在虛擬網絡環(huán)境中對信任的迫切需求。
　　 本文的工作和貢獻主要是：
　　 第一：總結分析個性化服務和推薦系統(tǒng)相關技術，以及協(xié)同過濾系統(tǒng)存在的一些問題；
　　 第二：總結分析信任相關理論知識，包括總結信任的各種定義、屬性和傳遞等理論，并對現有的信任模型進行簡單的分析；
　　 第三：提出信任隨著傳遞而衰減，通過添加衰減因子，提出改進的基于信

6、任的協(xié)同過濾算法DecTrust，并在實際數據集Epinions.com上通過實驗檢驗其覆蓋率和準確率。實驗表明該改進算法不僅與傳統(tǒng)的協(xié)同過濾技術(Collaborative Filtering，CF)相比有更高的覆蓋率和準確率，極大地減輕了其“稀疏性”、“冷啟動”等問題，而且與Massa提出的信任計算算法MoleTrust相比，可以在保證算法覆蓋率的基礎上，進一步提高推薦的準確率，也進一步滿足了用戶對信任的需求，避免協(xié)同過濾推薦系統(tǒng)“