基于信任传递的智能推荐方法研究

发布时间：2021-11-08 14:00

　　近年来,随着信息技术和互联网技术的飞速发展,信息量呈现出指数级的增长,如何从海量信息中找到用户所需要的,逐渐引起了人们的关注。例如,在互联网时代,电商网站发展迅猛,但用户也面临着如何在数以千万计的商品中选择商品的问题。而推荐系统的出现,就能解决这一问题。最常见的推荐系统,主要的工作原理就是收集用户所感兴趣的物品或者信息,然后将物品或者信息归类整理,最后将相同类别的推荐给该用户。推荐系统不仅能够为用户节省选择时间,提升用户体验,同时也能给电商网站带来更多的收益。本文首先介绍了目前常用的各种推荐系统,包括基于协同过滤的推荐算法、基于内容的推荐算法、基于知识的推荐算法、基于信任的推荐算法和基于混合过滤的推荐算法;详细的介绍了常见推荐系统存在的问题与挑战,比如冷启动问题、数据稀疏性问题等等;系统的介绍了关于推荐系统中常见的评价指标,比如绝对平均误差、覆盖率等等。接着,本文从用户的角度出发,提出了基于用户间信任的推荐系统预测方法,该方法利用信任评级的社交网络来给信任他们的用户生成推荐。该方法定义了用户间的信任值,利用信任的传递性,通过量化用户间的信任关系计算信任值来对某个未评分物品进行预测评分,... 

【文章来源】：南京邮电大学江苏省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

文章结构图

见推荐算法介绍 基于协同过滤的推荐于协同过滤的推荐[34]是在所有推荐方法中运用的最为广泛的一种。协同过滤说就是两个用户，在过去的一段时间内，选择了相同或者类似的物品，就可用户有较高的相似度。在未来的一段时间内，其中一个用户选择的一些物品另外一个用户。于协同过滤推荐的主要步骤如下，结构如图 2-1 所示。)数据收集；)数据分析；)做出推荐。

电大学硕士研究生学位论文 第二章 推荐系统介绍与表 2-1 User-Item 表User/Item itemA itemB itemC itemDuserA √ √userB √userC √ √ √具体的来说，协同过滤推荐又能够细分为 3 种：基于 User 的协同过滤推荐[协同过滤推荐[36]和基于 model 的协同过滤推荐[37]。于 User 的协同过滤推荐的结构如图 2-2 所示：

【参考文献】：
期刊论文
[1]基于网络表示学习的个性化商品推荐[J]. 李宇琦,陈维政,闫宏飞,李晓明.  计算机学报. 2019(08)
[2]LBSN中融合信任与不信任关系的兴趣点推荐[J]. 朱敬华,明骞.  通信学报. 2018(07)
[3]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)
[4]社交网络中基于信任的推荐算法[J]. 刘英南,谢瑾奎,张家利,杨宗源.  小型微型计算机系统. 2015(06)
[5]基于内容与社会过滤的好友推荐算法研究[J]. 高永兵,杨红磊,刘春祥,胡文江.  微型机与应用. 2013(14)
[6]个性化推荐系统综述[J]. 王国霞,刘贺平.  计算机工程与应用. 2012(07)

硕士论文
[1]基于内容推荐/协同过滤推荐算法的智能交友网站的设计&实现[D]. 聂帅华.华中师范大学 2015



本文编号：3483839