基于物品相似度与用户信任度的协同过滤推荐算法研究

发布时间：2024-05-18 07:52

　　随着互联网技术的快速发展,从海量数据中找到真正对用户有用的信息变得越来越困难,即用户面临严重的信息过载问题。推荐算法能够分析用户历史数据,解析出用户的隐藏偏好,为用户提供符合他们需求的信息,被证明是解决信息过载的有效手段,近年来受到研究者的广泛关注,并取得了大量研究成果。但是,推荐算法仍然存在一些问题,比如推荐准确性与多样性难以并存问题,数据稀疏与冷启动问题以及恶意用户问题,本文针对这些问题,进行如下的研究工作:(1)提出基于辅助信息的矩阵分解协同过滤推荐模型CI-MDCF。该模型在传统的矩阵分解协同过滤模型基础上,增加用户辅助信息与物品辅助信息,以提高传统推荐模型的推荐性能。(2)提出基于物品相似度与用户信任度的矩阵分解协同过滤推荐算法。该算法在CI-MDCF模型基础上对辅助信息进行具体化,物品端辅助信息使用物品属性相似性信息,提出物品相似度指标COS进行量化,用户端辅助信息使用用户信任关系信息,提出信任度指标CUT进行量化,借助COS与CUT对模型进行实现,解决推荐过程中准确性与多样性难以并存的问题。(3)提出信任更新算法。在基于物品相似度与用户信任度的矩阵分解协同过滤推荐算法中,...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图３．２矩阵分解过程??Ｆｉｇ．?３．２?Ｍａｔｒｉｘ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｐｒｏｃｅｓｓ??－１７?－??

了这个用户对相应的物品的某个特征的喜好程度。每个物品ｉ对应一个行向量ｅ??＆度量了此物品能够体现特点的概率。交互信息矩阵中的ｍ个用户和ｎ个物品分别形成??用户喜好矩阵Ｐ?ｅ?ｘｍ和物品特征矩阵Ｑ?ｘｎ。内积就是用户ｕ对物品ｉ交??互的欣喜接过，也可以直接看做预测的分数。因此，给定....

图４．１用户社交网的有向带权图??Ｆｉｇ．?４．１?Ｄｉｒｅｃｔｅｄ?ｗｅｉｇｈｔｅｄ?ｍａｐ?ｏｆ?ｔｈｅ?ｕｓｅｒ＇ｓ?ｓｏｃｉａｌ?ｎｅｔｗｏｒｋ??，

学位论文???４．?２．１社交网络模型的建立及优化??Ｂｏｙｄ等人［４５］提出社交网络是其中的用户可以拥有公布或者半公布的身份，并且可??以相互传递信息产生联系的网络服务。所以社交网站是一种在用户与用户之间相互传??递信息从而产生密不可分的关系之上进行发展，最终能够提供人们互相联....

图４．２优化后的用户社交网有向带权图??Ｆｉｇ．?４．２?Ｏｐｔｉｍｉｚｅｄ?ｕｓｅｒ?ｓｏｃｉａｌ?ｎｅｔｗｏｒｋ?ｄｉｒｅｃｔｅｄ?ｒｉｇｈｔｓ?ｍａｐ??

?基于物品相似度与用户信任度的协同过滤推荐算法研宄???为了便于理解与计算，该模型对图４．１进行优化，将每两个节点之间的关系用一条??普通直线表示，权值即用户互相发送消息的平均值。在实??际的应用中，如果节点ｎ；给节点ｎ；．传递很多内容，而节点巧对节点ｎｆ没有传递任何内容，??即....

图５．３不同评分数量下的用户与物品数量分布??Ｆｉｇ．?５．３?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｕｓｅｒｓ?ａｎｄ?ｉｔｅｍｓ?ｕｎｄｅｒ?ｄｉｆｆｅｒｅｎｔ?ｒａｔｉｎｇ?ｎｕｍｂｅｒｓ??

?大连海事大学硕士学位论文???数据Ｚ则属性向量中相对的仍＝１?（ｌＳｉＳｍ），否则仍＝０。其中特征的权重参数??设置为１／（ＴＨ?—?１）。??１００?１０Ｃ－??＇?＼?１?％??Ｉ?１００?１００００?ｉ?ｔｏｏ?１００００??评分雔晨?ｉｆ分??图５．３不同评分数量下的用....

本文编号：3976669