基于信任的协同过滤推荐算法在电子商务推荐系统的应用研究

发布时间：2017-07-28 11:29

  本文关键词：基于信任的协同过滤推荐算法在电子商务推荐系统的应用研究

  更多相关文章： 电子商务 推荐系统 协同过滤 信任 信任传递

【摘要】：随着互联网和电子商务的快速发展,信息过载已经成为目前互联网用户所面临严峻的问题。电子商务产生的越来越多的产品信息也使得用户难以快速地找到自己喜欢的产品。同时,电子商务企业也面临着如何及时向用户提供其感兴趣的产品,来提高销售量的问题。电子商务推荐系统是解决这一问题的有效手段。协同过滤推荐技术是电子商务推荐系统中应用最广泛、效果最好的技术,但其面临着数据稀疏性、冷启动、扩展性等问题。 论文针对协同过滤算法中的数据稀疏性问题,将信任关系引入其中,提出了基于信任的协同过滤推荐算法。信任可以更加准确的刻画用户之间的关系,信任的传递性质可以将原本没有关联的用户相互关联起来,将用户间的信任度作为相似度的一个有效的补充,可以缓解传统协同过滤推荐算法的数据稀疏性问题和提高推荐系统的预测准确度。论文采用经典数据集,并设计了3个实验来验证该算法的有效性,实验结果表明该算法利用信任的传递性质,并将相似度与信任度结合进行推荐,能够缓解评分数据的稀疏性问题,该算法比传统的协同过滤推荐算法在预测准确度上有明显的提高。最后,论文将此算法应用到一个网络书店的推荐系统的设计中实现图书的推荐功能。
【关键词】：电子商务 推荐系统 协同过滤 信任 信任传递
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 课题背景10-11
• 1.2 研究现状11-14
• 1.3 研究内容14-17
• 第2章 电子商务推荐系统概述17-29
• 2.1 电子商务推荐系统17-21
• 2.1.1 电子商务推荐系统的构成17-20
• 2.1.2 电子商务推荐系统与个性化服务20-21
• 2.2 常用推荐技术21-26
• 2.2.1 关联规则推荐算法21-23
• 2.2.2 基于内容的推荐算法23-24
• 2.2.3 协同过滤推荐算法24-26
• 2.3 推荐系统的评估标准26-28
• 2.4 本章小结28-29
• 第3章 信任的相关研究29-37
• 3.1 信任的概念29-31
• 3.2 信任的性质31-32
• 3.3 信任的分类32-36
• 3.3.1 直接信任度和间接信任度32-33
• 3.3.2 全局信任度和局部信任度33-36
• 3.4 本章小结36-37
• 第4章 基于信任的协同过滤推荐算法37-56
• 4.1 协同过滤推荐算法37-43
• 4.1.1 协同过滤推荐算法思路及步骤37-41
• 4.1.2 协同过滤推荐算法存在的问题41-43
• 4.2 基于信任的协同过滤推荐算法整体思路43-45
• 4.2.1 信任的引入43-44
• 4.2.2 基于信任的协同过滤推荐算法的整体框架44-45
• 4.3 用户信任建模45-51
• 4.3.1 直接信任度建模46-48
• 4.3.2 间接信任度建模48-51
• 4.4 基于信任的协同过滤推荐算法具体步骤51-55
• 4.4.1 计算相似度51-52
• 4.4.2 计算信任度52-53
• 4.4.3 相似度与信任度结合53-54
• 4.4.4 生成最近邻居集合54
• 4.4.5 评分预测及推荐54-55
• 4.5 本章小结55-56
• 第5章 实验及结果分析56-64
• 5.1 实验目的56
• 5.2 实验环境及实验数据56-57
• 5.3 评价指标57-59
• 5.3.1 稀疏度57-58
• 5.3.2 平均绝对误差58-59
• 5.4 实验设计59
• 5.5 实验结果及分析59-63
• 5.5.1 实验159-60
• 5.5.2 实验260-61
• 5.5.3 实验361-63
• 5.6 本章小结63-64
• 第6章 图书推荐系统的设计与算法实现64-79
• 6.1 需求分析64-66
• 6.2 推荐系统架构66-67
• 6.3 推荐引擎设计67-70
• 6.4 个性化推荐的算法实现70-78
• 6.4.1 相似度71-72
• 6.4.2 信任度72-76
• 6.4.3 复合矩阵76-77
• 6.4.4 评分预测及推荐77-78
• 6.5 本章小结78-79
• 结论79-81
• 参考文献81-86
• 攻读学位期间发表的学术论文86-87
• 致谢87

【参考文献】

中国期刊全文数据库 前10条

1 张娜;何建民;;基于项目与客户聚类的协同过滤推荐方法[J];合肥工业大学学报(自然科学版);2007年09期

2 李聪;梁昌勇;马丽;;基于领域最近邻的协同过滤推荐算法[J];计算机研究与发展;2008年09期

3 蔡浩;贾宇波;黄成伟;;结合用户信任模型的协同过滤推荐方法研究[J];计算机工程与应用;2010年35期

4 郭艳红;邓贵仕;雒春雨;;基于信任因子的协同过滤推荐算法[J];计算机工程;2008年20期

5 胡福华;郑小林;干红华;;基于相似度传递的协同过滤算法[J];计算机工程;2011年10期

6 夏小伍;王卫平;;基于信任模型的协同过滤推荐算法[J];计算机工程;2011年21期

7 邓爱林,朱扬勇,施伯乐;基于项目评分预测的协同过滤推荐算法[J];软件学报;2003年09期

8 张光卫;李德毅;李鹏;康建初;陈桂生;;基于云模型的协同过滤推荐算法[J];软件学报;2007年10期

9 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

10 金亚亚;牟援朝;;基于改进信任度的协同过滤推荐算法[J];现代图书情报技术;2010年10期

中国博士学位论文全文数据库 前3条

1 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年

2 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年

3 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

中国硕士学位论文全文数据库 前2条

1 何安;协同过滤技术在电子商务推荐系统中的应用研究[D];浙江大学;2007年

2 张晓彬;基于可信度的协同过滤推荐算法研究[D];重庆大学;2010年

，

本文编号：583848