基于用戶上下文與交互行為的社會化推薦系統(tǒng)研究.pdf

1、社會化推薦系統(tǒng)是為了緩解傳統(tǒng)推薦系統(tǒng)的數(shù)據(jù)稀疏性與冷啟動問題所提出的推薦方法。隨著社交平臺的流行，用戶的社會化信息蘊藏著豐富的挖掘價值，因此，將用戶的社會化信息作為輸入的社會化推薦系統(tǒng)受到廣泛關(guān)注。社會化推薦系統(tǒng)的主要業(yè)務(wù)流程包括構(gòu)建用戶信任網(wǎng)絡(luò)和生成推薦兩部分。
　　完善的信任網(wǎng)絡(luò)可以全面地反映用戶間的關(guān)系并且可以有效緩解數(shù)據(jù)稀疏和冷啟動問題。本文提出了“基于用戶交互行為的信任網(wǎng)絡(luò)構(gòu)建模型”（簡稱Soc_Pro），該模型通過用戶

2、間的交互行為以及信任傳播機制預(yù)測用戶的全局信任度；通過引入時間衰退因子，結(jié)合用戶間的直接交互行為和用戶間相似度，得到用戶間的直接交互信任度和相似信任度，從而構(gòu)建有向帶權(quán)信任網(wǎng)絡(luò)。本模型克服了“基于用戶行為的信任網(wǎng)絡(luò)構(gòu)建模型”（簡稱Soc_Trust）在預(yù)測用戶信任關(guān)系時，只考慮用戶間是否存在信任關(guān)系而忽略了信任傳播影響以及在預(yù)測時將用戶的所有歷史信息同等看待的缺點。
　　本文通過矩陣分解中基于貪婪的特征選擇算法選擇具有良好交互作用