基于信任机制的协同过滤推荐算法研究

发布时间：2021-08-03 02:02

　　随着信息技术与社会网络的迅速发展,指数级爆增的海量数据引发了严重的信息过载问题。为解决这一问题,推荐系统协助用户高效过滤无价值信息并主动推荐个性化服务信息。在推荐系统中,协同过滤推荐算法因其领域无关性及挖掘用户潜在偏好的优势被广泛应用。但是,其不可避免地面临着数据稀疏、冷启动和恶意攻击等巨大挑战。因此,为了提高协同过滤推荐系统的推荐可靠性及有效性,本文通过引入社会网络中用户间的信任关系,将信任机制与协同过滤推荐算法有效结合,提出一种融合信息熵相似度与动态信任的协同过滤推荐算法,主要研究工作从改进相似度算法、构建信任计算模型、引入信任奖惩机制三个方面展开:（1）针对用户评分数据稀疏所导致的相似度准确性较低或冷启动用户相似度难以计算的问题,构造基于评分差异的信息熵兴趣相似度计算方法,引入一种避免信任网络热区效应的信任关系隐性相似度,将二者自适应动态融合以计算用户综合相似度。本文改进的用户相似度算法避免了已有相似度算法因共评项目稀少,导致用户相似度过高或过低的不合理现象;当用户评分数据稀疏甚至无评分时,利用信任隐性相似度优化相似度计算,一定程度上缓解冷启动问题;（2）针对推荐系统中恶意攻击和... 

【文章来源】：江西理工大学江西省

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 论文结构安排
第二章 推荐系统及相关技术
    2.1 推荐系统概述
    2.2 推荐算法分类
    2.3 协同过滤推荐算法
        2.3.1 协同过滤推荐算法分类
        2.3.2 协同过滤算法推荐过程
        2.3.3 协同过滤算法存在的问题
    2.4 基于信任的协同过滤推荐算法
        2.4.1 基于信任的协同过滤推荐算法分类
        2.4.2 基于信任的协同过滤算法研究方向
    2.5 本章小结
第三章 信任机制研究
    3.1 信任的相关性质
        3.1.1 信任的定义
        3.1.2 信任的属性
        3.1.3 信任的分类
    3.2 信任的度量方法
        3.2.1 显式信任
        3.2.2 隐式信任
    3.3 信任传播与聚合
        3.3.1 信任网络与信任矩阵
        3.3.2 信任的传播及计算方法
        3.3.3 信任的聚合及计算方法
    3.4 本章小结
第四章 融合信息熵相似度与动态信任的协同过滤推荐算法
    4.1 相关描述
    4.2 用户相似度计算
        4.2.1 基于评分差异的信息熵相似度
        4.2.2 基于信任关系的隐性相似度
    4.3 用户信任度计算
        4.3.1 直接信任度
        4.3.2 间接信任度
        4.3.3 全局信任度
    4.4 融合相似与信任的评分预测
    4.5 信任奖惩更新
        4.5.1 信任奖励
        4.5.2 信任惩罚
    4.6 推荐过程描述
    4.7 算法复杂度分析
    4.8 本章小结
第五章 实验结果与分析
    5.1 实验数据集
    5.2 性能评价指标
    5.3 相似度算法对比
        5.3.1 相似度准确性对比分析
        5.3.2 相似度算法推荐精度对比分析
    5.4 权重调节因子影响分析
    5.5 推荐性能对比
        5.5.1 CF-IESDT推荐性能对比分析
        5.5.2 CF-IESDT召回率对比分析
        5.5.3 信任奖惩机制有效性的验证分析
    5.6 本章小结
第六章 结论
参考文献
致谢
攻读学位期间的研究成果



本文编号：3318699