电子商务系统中一种层次化信任度计算模型

发布时间：2017-04-23 11:13

  本文关键词：电子商务系统中一种层次化信任度计算模型，由笔耕文化传播整理发布。

【摘要】：随着互联网的发展,电子商务给人们的日常购物活动带来了翻天覆地的变化,但是电子商务网站的信息严重过载,用户淹没在浩瀚的商品海洋中无从选择。个性化推荐系统在缓解信息过载、提升用户体验方面发挥着重要作用,其在给用户带来便利的同时也给商家带来了巨大的利益。推荐系统发展至今,其中最为成功的协同过滤算法依然存在着诸如数据稀疏、冷启动、恶意攻击敏感以及可扩展性差等缺陷。为了缓解甚至克服这些缺陷,该领域的学者们尝试将信任机制引入推荐系统,使得信任机制在推荐系统中的应用成为当前学术研究领域的一大热点话题。 本文以如何提高用户满意度为主线,将系统中的用户分为普通用户、冷启动用户、争议用户等类型。在如何计算用户之间信任度的问题上,本文通过社交网络将信任机制引入推荐系统并参考社会学相关知识,将人们之间的信任来源分为三层：内部信任、交互信任和外部信任,其中内部信任和交互信任属于本地信任(Local Trust),外部信任属于全局信任(Global Trust).为了能够使模型灵活满足不同类型用户群体的需求,本文使用经验参数将三种不同层次来源的信任相结合,提出层次化信任度计算模型。在本研究的实验环节,本文基于分布式计算模型以及知名网站Epinions.com的数据集,对层次化信任度计算模型中的经验参数进行了研究,并且针对不同类型的用户训练得到不同的经验参数,利用训练得到的经验参数,本文又对层次化信任度计算模型的推荐效果进行了比较研究。
【关键词】：推荐系统 社交网络 本地信任 全局信任 层次化信任
【学位授予单位】：首都经济贸易大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-15
• 1.1 研究背景和意义8-9
• 1.2 关键概念说明9-13
• 1.2.1 推荐系统9-10
• 1.2.2 个性化推荐10-11
• 1.2.3 协同过滤11-12
• 1.2.4 信任12
• 1.2.5 社交网络12-13
• 1.3 研究内容与文章结构13-14
• 1.4 本文创新点14
• 1.5 小结14-15
• 2 电子商务个性化推荐技术研究综述15-23
• 2.1 个性化推荐技术介绍15-19
• 2.1.1 基于内容的推荐15-16
• 2.1.2 基于人口统计学的推荐16-17
• 2.1.3 基于协同过滤的推荐17-19
• 2.2 推荐系统评价指标19-20
• 2.2.1 准确度19
• 2.2.2 覆盖率19-20
• 2.3 协同过滤缺陷讨论20-22
• 2.3.1 数据稀疏20-21
• 2.3.2 冷启动21
• 2.3.3 恶意攻击敏感21-22
• 2.3.4 可扩展性差22
• 2.4 小结22-23
• 3 基于信任的个性化推荐技术综述23-29
• 3.1 用户信任与用户相似度的关系考察23-24
• 3.2 社交网络的发展将信任引入推荐系统24
• 3.3 信任机制的对协同过滤的改善24-26
• 3.3.1 信任机制克服数据稀疏问题25
• 3.3.2 信任机制克服冷启动问题25
• 3.3.3 信任机制缓解恶意攻击敏感问题25-26
• 3.3.4 信任机制对于可扩展性的改良26
• 3.4 基于用户的个性化推荐技术26-27
• 3.5 基于信任的个性化推荐技术系统架构27-28
• 3.6 小结28-29
• 4 层次化信任度计算模型研究29-51
• 4.1 社交网络中的多层次信任来源29-31
• 4.2 层次化信任度计算模型31-32
• 4.3 社交网络的抽象表示32-33
• 4.4 声誉信任值的计算33-40
• 4.4.1 PageRank33-37
• 4.4.2 Enhanced-PageRank37-40
• 4.5 交互信任值的计算40-47
• 4.5.1 Mole Trust41-45
• 4.5.2 Modified-Mole Trust45-47
• 4.6 内部信任值的计算47-48
• 4.7 层次化信任度计算实例48-50
• 4.8 小结50-51
• 5 实验及推荐技术评估51-64
• 5.1 实验平台介绍51-53
• 5.1.1 Maver52
• 5.1.2 Mahout52-53
• 5.1.3 Hadoop53
• 5.2 实验所用数据介绍53-54
• 5.3 层次化信任度计算模型性能评估54-63
• 5.3.1 经验参数的确定55-57
• 5.3.2 算法改良效果评估57-59
• 5.3.3 模型预测能力评估59-61
• 5.3.4 模型推荐能力评估61-62
• 5.3.5 分布式推荐系统效率评估62-63
• 5.4 小结63-64
• 6 推荐系统所蕴含的潜在社会风险64-66
• 6.1 多数人的暴政64
• 6.2 回音箱64-65
• 6.3 “多数人的暴政”与“回音箱”之间的平衡65
• 6.4 小结65-66
• 7 结论与展望66-68
• 参考文献68-70
• 附录A:概念及定义目录70-71
• 在校期间发表的学术论文和研究成果71-72
• 致谢72

【引证文献】

中国硕士学位论文全文数据库 前1条

1 杨强;结合个体影响力和信任传递的矩阵分解推荐算法[D];重庆师范大学;2016年

  本文关键词：电子商务系统中一种层次化信任度计算模型，由笔耕文化传播整理发布。

，

本文编号：322314