电子商务中基于信任的推荐算法研究

发布时间：2017-10-05 08:03

  本文关键词：电子商务中基于信任的推荐算法研究

  更多相关文章： 推荐系统 信任发现 社区发现 自适应 社区模型

【摘要】：随着互联网中新应用新技术的不断出现,电子商务面临着新的机遇和挑战。电子商务对推荐技术有着特定的要求,主要集中在三个方面：社会推荐机制、个性化推荐以及鲁棒性问题。而传统的推荐技术在这些问题上已经遇到了瓶颈。为了更好地面对这些问题,将信任引入推荐系统是一种很有效的方法。如何定性以及定量信任是本文研究的重点。 目前,基于信任的推荐系统研究主要关注于信任的传播以及信任的表示,而忽略了信任如何产生的问题,研究中使用的信任度都需要用户的主动提交。本文结合以往的研究经验,提出了引入社区发现的方法,主动找到用户的信任评价。具体的做法是,通过分析信任前因,根据相似度和熟悉程度来判断用户之间的信任关系。这种方法不需要用户主动地给其他用户的信任评分,而是通过对用户间社交信息的挖掘找到信任度。 在推荐系统中,用户模型的构建是关键,很多算法都是基于用户模型展开的。本文提出用户个人模型和社区模型相结合的方式构建用户模型。采用基于信息流的方式,通过社交信息建立用户模型,用户的社区模型更好地反映了他的活动范围,结合信任前因的论述,这样的用户模型能更好地反映用户之间的信任关系。通过用户模型找到用户之间的信任度,计算全局信任和局部信任度,之后通过信任度找到用户的邻居。本文提出了一种用户个人模型的更新算法,通过引入时间因子到主题词权值的计算中,淘汰更新主题词,以达到自适应用户兴趣的目的。实验结果表明,由于本系统不需要用户的主动评分,所以很好地解决了协同过滤算法中数据稀松以及冷启动的问题。不管是准确性方面还是抗攻击方面,相较于传统的协同过滤系统都有改进。
【关键词】：推荐系统 信任发现 社区发现 自适应 社区模型
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TP391.3
【目录】：

• 摘要5-6
• Abstract6-10
• 插图索引10-11
• 附表索引11-12
• 第1章 绪论12-17
• 1.1 研究背景12-13
• 1.2 课题研究意义13
• 1.3 国内外研究现状13-15
• 1.3.1 个性化推荐技术13-15
• 1.3.2 用户信任模型15
• 1.4 本文主要工作和组织结构15-17
• 第2章 电子商务推荐算法与信任模型17-28
• 2.1 电子商务推荐算法17-20
• 2.1.1 推荐系统简述17
• 2.1.2 基于内容的推荐算法17-18
• 2.1.3 基于协同过滤的推荐算法18-19
• 2.1.4 基于规则的推荐算法19-20
• 2.2 电子商务推荐技术20-23
• 2.2.1 主要技术问题20-21
• 2.2.2 基于社区发现的推荐技术21-22
• 2.2.3 网络应用心理学22-23
• 2.3 信任评估模型23-27
• 2.3.1 信任23-24
• 2.3.2 全局信任度评估模型24
• 2.3.3 局部信任度评估模型24-27
• 2.4 用户建模27
• 2.5 本章小结27-28
• 第3章 社区化用户模型构建28-36
• 3.1 社区化的用户模型28
• 3.2 用户个人模型构建28-31
• 3.3 用户社区模型构建31-35
• 3.3.1 社会网络构建31-32
• 3.3.2 社区发现32-34
• 3.3.3 模型更新算法34-35
• 3.4 本章小结35-36
• 第4章 信任的表示以及信任的评估36-41
• 4.1 信任的表示方式36-37
• 4.1.1 信任前因36
• 4.1.2 信任网36-37
• 4.2 用户信任度获取37-39
• 4.2.1 PageRank和加权的PageRank38
• 4.2.2 社区网络中边方向以及权重的判断38-39
• 4.2.3 信任度计算39
• 4.3 实验结果与分析39-40
• 4.4 本章小结40-41
• 第5章 基于信任的个性化推荐41-49
• 5.1 基于信任的电子商务推荐模型41-42
• 5.2 基于信任的电子商务推荐框架结构42-45
• 5.2.1 系统结构42-44
• 5.2.2 系统拓扑结构44-45
• 5.3 实验数据集和评估指标45-46
• 5.4 实验结果与分析46-48
• 5.4.1 系统准确性测试46-47
• 5.4.2 鲁棒性测试47-48
• 5.5 本章小结48-49
• 结论与展望49-51
• 参考文献51-54
• 致谢54-55
• 附录A 攻读学位期间所发表的学术论文目录55

【参考文献】

中国期刊全文数据库 前4条

1 白春阳;;社会信任的基本形式解析[J];河南社会科学;2006年01期

2 赵仲孟,袁薇,何世丽,沈钧毅;个性化搜索引擎中用户模型智能调整算法的研究[J];计算机工程与应用;2005年24期

3 武建华;宋擒豹;沈均毅;谢建文;;基于关联规则的特征选择算法[J];模式识别与人工智能;2009年02期

4 邓爱林,左子叶,朱扬勇;基于项目聚类的协同过滤推荐算法[J];小型微型计算机系统;2004年09期

中国博士学位论文全文数据库 前1条

1 张富国;基于信任的电子商务个性化推荐关键问题研究[D];江西财经大学;2009年

中国硕士学位论文全文数据库 前1条

1 吴春阳;数据挖掘在电子商务旅游线路推荐系统中的应用研究[D];重庆交通大学;2009年

，

本文编号：975645