用户信任和项目偏好融合的协同过滤算法研究

发布时间：2019-10-18 19:36

【摘要】：电子商务的持续盛行虽然给一些企业带来了新的机遇,但随着网站中各种物品、各类信息持续更新,总量与种类持续变大,用户搜寻到真正想要的某些物品信息更为麻烦并且花费时间,推荐系统为解决此问题提供了新的思路。推荐系统分析预测出用户的兴趣喜好并向其推荐物品,推荐算法优劣对电商网站里的商家以及用户都有直接的影响,而其中应用较广的协同过滤,是本文将要改进的方法。本文的研究内容如下:(1)对于协同过滤传统方法中未能将用户间更深入的关系进行挖掘的问题,参考社交网站中的信任关系,将信任关系融入建立的方法里,并将信任分为个人可信度以及用户间信任度。分析系统评分,利用信任建模计算用户个人可信值以及与他人间的信任值。然后,筛选预测用户评分时可参考的信任邻居。(2)传统相似度中,预测目标项目评分时,目标用户及其邻居被使用的相似度都是一样的。但是现实中相同的两个人对于不同的项目,其偏好程度并不会都一样。因此将偏好因素融入传统相似度,改进相似度方法,并结合信任度筛选综合关系的最近邻,提高预测精度。(3)对于推荐新项目的问题,考虑用户对多种项目属性的偏好。综合信任关系,参考邻居对新项目属性的偏好值,对新项目进行评分值预测。本文通过将用户信任和改进相似度融合,减少稀疏性的负面影响。然后,依据用户对项目属性的偏好推荐新项目。最后用数据集Movielens计算多种算法的平均绝对误差进行对比,验证方法的有效性。经验证,改进的算法在数据稀疏以及冷启动的条件下,较传统方法有更高的准确度。
【图文】：

推荐系统结构框架

基于内容的推荐这种推荐技术是基于信息检索技术的扩展和延续，，所以应用主要是在文本表
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.3

【参考文献】

相关期刊论文 前10条

1 付永平;邱玉辉;;一种基于贝叶斯网络的个性化协同过滤推荐方法研究[J];计算机科学;2016年09期

2 张玉连;郇思思;梁顺攀;;融合机器学习的加权Slope One算法[J];小型微型计算机系统;2016年08期

3 李又玲;常致全;杨浩;;多标签网页的Gauss-PNN粗糙集排序推荐[J];计算机应用研究;2017年02期

4 葛林涛;徐桂琼;;基于模糊C均值聚类有效性的协同过滤算法[J];计算机技术与发展;2016年01期

5 庞俊涛;张晖;杨春明;李波;赵旭剑;;基于概率矩阵分解的多指标协同过滤算法[J];山东大学学报(工学版);2016年03期

6 徐军;钟元生;朱文强;;一种基于直觉模糊理论的多维信任传递模型[J];小型微型计算机系统;2015年12期

7 韩军辉;卢暾;丁向华;顾宁;;基于局部敏感哈希技术的能耗社区实时推荐系统[J];小型微型计算机系统;2015年11期

8 冷亚军;陆青;梁昌勇;;基于结构相似性的协同过滤推荐算法[J];小型微型计算机系统;2015年10期

9 于洪;李俊华;;一种解决新项目冷启动问题的推荐算法[J];软件学报;2015年06期

10 陈迪;周鸣争;;基于灰色理论的无线传感器网络信任模型[J];计算机应用;2015年06期

本文编号：2551241