基于信任網絡和完全三部圖的推薦算法研究.pdf

1、隨著電腦的普及和互聯(lián)網的迅猛發(fā)展，信息量呈爆炸式增長，隨之而來的是信息過載問題，用戶從海量的數(shù)據(jù)中找到自己需要的信息越來越難，為解決用戶的需求問題，個性化推薦技術出現(xiàn)了，而工業(yè)界應用最為廣泛的推薦算法就要數(shù)協(xié)同過濾算法了?；趫D的個性化推薦便屬于協(xié)同過濾技術的內容之一，并且隨著社會化標簽被引入，基于圖論的個性化推薦也由原先的二分圖發(fā)展為用戶-物品-標簽的三部圖。同時，隨著社交網絡的出現(xiàn)，信任這一概念也被引入到推薦系統(tǒng)中，基于用戶信任網絡

2、的推薦系統(tǒng)無疑使得推薦結果更加具有可信性和可解釋性。
　　在基于協(xié)同過濾算法的領域仍然存在很多問題，本文針對數(shù)據(jù)稀疏、用戶冷啟動和信任問題，提出了基于用戶的隱式信任網絡，對評分矩陣進行預填充；而對于三部圖中存在的精確性和多樣性不能兼容等問題，提出了物質擴散與熱量傳播相結合的完全三部圖模型，并且進行物品、用戶和標簽的聯(lián)合推薦。本文主要進行以下幾個方面的工作研究：
　　首先，針對當前協(xié)同過濾推薦存在的數(shù)據(jù)稀疏、用戶冷啟動和彼此信

3、任度低的現(xiàn)狀，結合基于用戶的信任網絡和信任傳遞等技術，提出了通過信任網絡的用戶信任矩陣與用戶相似矩陣得到填充評分矩陣。
　　其次，對于三部圖中用戶、物品、標簽之間關系考慮不充分且精確性和多樣性之間相沖突的現(xiàn)狀，提出了物質擴散算法與熱量傳播算法相結合的完全三部圖模型，既考慮了精確性又沒有損失多樣性。
　　接著將用戶信任網絡與完全三部圖相結合。為了提高推薦結果的可解釋性以及可信任性，提出了物品、用戶和標簽的聯(lián)合推薦機制。