基于用户间接信任及行为排序的推荐算法研究

发布时间：2021-03-31 23:40

　　在现代互联网与大数据的冲击下,数据规模增长迅速,用户需求趋向于个性多样,传统的技术手段已然无法处理海量数据所带来的超载问题。推荐算法作为数据挖掘中的一个重要分支,在面对大型数据处理上,有着缓解数据冗余的优势,不仅能从中挖掘出用户感兴趣的数据,同时也给用户推送有价值的长尾信息。基于用户信任的推荐算法相比传统推荐,引入信任辅助数据,缓解数据稀疏,在一定程度上提升了算法性能。但多数研究并没有深入分析到用户间的信任关联性,同时未考虑到信任动态变化会影响到相似用户的推荐精度问题。为此,本文提出一种间接信任的动态计算模型,并设计以用户间接信任为基础的两种推荐算法。本文的主要工作如下:（1）提出了一种间接信任的动态计算模型。该模型主要引用牛顿冷却定律,对间接信任融入时间衰减因子,并使用前后信任的变化差异值,来调整相似用户计算因数据稀疏所带来的偏差。（2）设计了一种基于用户动态信任及威尔逊排序的推荐算法。该算法采取间接信任的动态计算模型计算信任变化,由信任变化值引入相似度计算;其次利用威尔逊排序算法干预Top-N列表,进行推荐。实验结果表明,其设计的算法具有较好的效果。（3）设计了一种基于用户间接信任... 

【文章来源】：长沙理工大学湖南省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图２．１推荐工作示意图??由图２．１可知，在收集数据部分，可以从各个渠道获取用户数据

）等。这些个性化推荐方法主要的特点是分析到每个用户历史兴趣爱好或者每??个物品的属性，通过数据相关处理，给用户推荐感兴趣的事物，由于用户间的兴趣不同，??所推荐的商品也就不一样，有区别于非个性化推荐。??２．２」基于用户的推荐算法??该类推荐算法在推荐领域内属于非常经典的算法，它主要的集中点在用户上，结合??本身数据处理机制，分析目标用户历史兴趣记录，然后寻找到相似的用户与其比较，最??后按照排序的高低给目标推荐相似用户感兴趣的人或者物。其以用户为中心的协同过滤??推荐算法示意图如图２．２所示：??Ｉｔｅｎｔｉ?Ｉｔｅｍ：?ｈｅｍ?ｊ?Ｉｔｅｍ，??＾?＾?４＾??Ｕｓｅｒ）?Ｕｓｅｒ２?Ｕｓｅｒ｝?Ｕｓｅｒ４??相髓度九一??图２．２基于用户的推荐示意图??在图２．２中，假设目标用户为ｔ／ｗｎ，其所感兴趣的商品为／／ｅｍ／、／／ｅｍ２，用户仏们??感兴趣的商品为／／＾／、／Ｍｍ〗、／／ｅｗｊ、两者交集的商品／／ｅｗ／、／／ｄ，总数債力２，而ｔＺｖｅｒ／??９??

用户。??２．２．２基于内容的推荐算法??这类算法恰恰与基于用户推荐算法相反，其算法主要分析物品的内容属性，比如物??品的价格、大孝生产地、类型等，通过将新物品与目标用户感兴趣的物品进行相似比??较，并按照相似度大小，相近的物品依次排列起来，即ＴｏｐＮ排序表，由该表向目标用??户推荐相关物品。基于内容的推荐算法注重点在物品上，没有基于用户推荐算法遇到的??新用户即时更新处理的问题，由于物品保持时间长，算法对动态性要求低，在进行推荐??时可以较好地减少计算复杂，提高性能。其推荐示意如图２．３所示：??，?、／??（?＿?Ｊ?＼?ｘ?相似程度??幢计览?Ｉｔｅｍ，?＞＜Ｃ－?ｔ?ｈｅｍ５?＼?＼??＼?—?一＾似计爵相心计算???／?＼??＿飞１?）??Ｕｓｅｒ??图２．３基于内容推荐示意图??如图２．３可知，目标用户Ｃ／ｙｅｒ反馈过的物品有／／ｅｗ／、／／ｅｍ、／／ｅｗｊ，基于内容推荐??算法将这些物品与商品库中的／＆／＆、分别计算相似度，通过比较相似度的高低，??相似程度高的项目被默认为用户感兴趣的物品。因此，推荐算法将／／ｅｗ５推荐给用户??Ｕｓｅｒ。??２．２．３融合排序的推荐算法??传统的推荐算法中，存在着一个主要问题：算法本身忽略了用户兴趣偏好的多样性，??且所采用评分数据作为主要参考标准。这就容易造成推荐内容的偏差，就比如针对电子??书评分来说：用户ｄ对电子书ａ兴趣大，其属于悬疑书籍，对电子书ｂ科幻题材只是初??步涉猎，用户分别评出４分和５分，但用户保留的历史记录中仅悬疑类题材居多。采用??１０??


本文编号：3112278