融合信任关系的双层扩散网络推荐算法研究
发布时间：2021-07-16 13:23
随着互联网的普及,信息化时代逐渐拉开帷幕。日益呈指数增长的数据信息使得人们难以及时、准确的获取所需信息,大大降低了信息的利用率,即“信息过载”问题。为了克服该问题,国内外研究学者提出了具有代表性的信息过滤技术——推荐系统。它无需用户提供明确需求便可预测用户的兴趣偏好,有效的辅助用户做出准确的选择。随着电子商务的快速发展,个性化推荐技术也获得较大的研究突破。如今推荐系统已经成为涵盖多学科知识的热门研究领域。近些年,复杂网络和大数据技术的研究取得了许多的成果。于是,研究学者将复杂网络与推荐系统相结合,其中便包括基于二部图的推荐算法,即研究资源在二分网络的扩散过程。为了进一步提升推荐算法的性能,本文围绕改进基于扩散过程的推荐算法展开了一系列研究,主要研究工作包括以下几点:（1）构建了融合用户上下文信息的信任关系网络。“物以类聚,人以群分”,结合集体智慧的思想,相同点较多的人更容易成为朋友。因此本文借鉴社会心理学中人与人之间产生信任的原理,从用户行为信息、用户上下文信息以及用户兴趣偏好三个方面生成基于相似度的信任关系网络,有助于缓解数据稀疏性问题对推荐算法的影响。（2）提出了融合信任关系网络的...
【文章来源】：江西财经大学江西省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图1.1两层网络示意图
融合信任关系的双层扩散网络推荐算法研究10面物品有需求时才会产生选择关系。而人与人之间的关系的确定则较为复杂，若图1.2推荐算法研究思路两者之间存在相同点较多则更容易成为朋友。因此，本文充分借鉴信任产生原理，以MovieLens数据集为基础，分别研究了基于用户行为相似度产生的信任、基于用户上下文信息相似度产生的信息以及基于用户兴趣偏好相似度产生的信任，构建了基于相似度计算生成的信任关系网络。(2)研究了融合信任关系网络的物质扩散和热传导混合推荐算法（IntheFusionTrustRelationshipNetworkHeat-Probabilistic-Spreading-BasedHybridReco-mmendationAlgorithm，简称THP算法）。传统的基于物质扩散的推荐算法具有较高的推荐精确性，但是推荐多样性有待提升。而基于热传导的推荐算法保证了推荐新颖性和多样性却降低了推荐精确性。为了平衡这一现象，同时提升推荐算法的性能，本文有效的将上下文信息、信任关系网络与基于二部图的物质扩散和热传导混合推荐算法相结合，将资源的扩散过程从“用户-物品”二部网络引入“用户-用户”信任关系网络。传统的资源扩散过程以“0-1”模式衡量用户和物品的选择关系，为了提升推荐算法的准确度，本文采用比例分配原则实现资源在“用户-用户”信任关系网络中的扩散。将用户间信任关系由离散性变为连续性，利用用户直接好友关系强度来确定用户节点间连边权重，经过归一化处理生成资源在信任关系网络中的转移矩阵。最后利用调节因子控制资源在“用户-物品”二部图中的传递。该算法进一步拓展了基于扩散过程推荐算法的研究。
第2章推荐系统及相关理论技术13第2章推荐系统及相关理论技术本章节主要介绍了推荐系统的运作原理、上下文信息相关知识、相似度计算系数、基于扩散过程的推荐算法设计思路。采用举例推演的方法对基于扩散过程推荐算法的运作流程进行详细的说明。2.1推荐系统为了解决信息过载和用户不明确需求问题，帮助用户从海量的信息中找到感兴趣的物品，是推荐系统主要的工作。从用户的角度分析，推荐系统可以帮助用户及时找到所需的物品，当用户面对选择的困扰时，其能帮助用户更好的做出决策，同时还可以帮助用户发现新鲜的事物。从商家角度分析，推荐系统可以帮助商家了解用户的需求，便于提供精准的个性化服务，从而提升用户对商家的信任度以及粘性，增加商家的盈利。图2.1推荐系统结构框架图假如采用数学的方式定义推荐系统，可以表示为：IiifiUu],umax[arg,u(2.1)其中，U表示所有用户集合，I表示所有的物品或者推荐内容，f是判断将物品i推荐给用户u好坏程度的评判函数。推荐过程等价于对于用户Uu，找到物品
【参考文献】：
期刊论文
[1]结合用户社区和评分矩阵联合社区的推荐算法研究[J]. 文凯,朱传亮,何少元. 小型微型计算机系统. 2019(10)
[2]基于内容和最近邻算法的多臂老虎机推荐算法[J]. 王高智,肖菁. 华南师范大学学报(自然科学版). 2019(01)
[3]融合多种数据信息的餐馆推荐模型[J]. 戴琳,孟祥武,张玉洁,纪威宇. 软件学报. 2019(09)
[4]融合时间和类型特征加权的矩阵分解推荐算法[J]. 石鸿瑗,孙天昊,李双庆,侯湘. 重庆大学学报. 2019(01)
[5]面向局部线性回归分类器的判别分析方法[J]. 朱换荣,郑智超,孙怀江. 智能系统学报. 2019(05)
[6]基于信任机制下概率矩阵分解的用户评分预测[J]. 杜东舫,徐童,鲁亚男,管楚,刘淇,陈恩红. 软件学报. 2018(12)
[7]基于多子网复合复杂网络模型的物质扩散推荐算法[J]. 周双,宾晟,邵峰晶,孙更新. 复杂系统与复杂性科学. 2018(04)
[8]Truser:一种基于可信用户的服务推荐方法[J]. 何鹏,吴浩,曾诚,马于涛. 计算机学报. 2019(04)
[9]融合物品热门因子的协同过滤改进算法[J]. 孙红,韩震. 小型微型计算机系统. 2018(04)
[10]信任社交网络中改进的物质扩散推荐算法[J]. 蔡永嘉,李冠宇. 计算机工程. 2019(03)
本文编号：3287095
【文章来源】：江西财经大学江西省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图1.1两层网络示意图
融合信任关系的双层扩散网络推荐算法研究10面物品有需求时才会产生选择关系。而人与人之间的关系的确定则较为复杂，若图1.2推荐算法研究思路两者之间存在相同点较多则更容易成为朋友。因此，本文充分借鉴信任产生原理，以MovieLens数据集为基础，分别研究了基于用户行为相似度产生的信任、基于用户上下文信息相似度产生的信息以及基于用户兴趣偏好相似度产生的信任，构建了基于相似度计算生成的信任关系网络。(2)研究了融合信任关系网络的物质扩散和热传导混合推荐算法（IntheFusionTrustRelationshipNetworkHeat-Probabilistic-Spreading-BasedHybridReco-mmendationAlgorithm，简称THP算法）。传统的基于物质扩散的推荐算法具有较高的推荐精确性，但是推荐多样性有待提升。而基于热传导的推荐算法保证了推荐新颖性和多样性却降低了推荐精确性。为了平衡这一现象，同时提升推荐算法的性能，本文有效的将上下文信息、信任关系网络与基于二部图的物质扩散和热传导混合推荐算法相结合，将资源的扩散过程从“用户-物品”二部网络引入“用户-用户”信任关系网络。传统的资源扩散过程以“0-1”模式衡量用户和物品的选择关系，为了提升推荐算法的准确度，本文采用比例分配原则实现资源在“用户-用户”信任关系网络中的扩散。将用户间信任关系由离散性变为连续性，利用用户直接好友关系强度来确定用户节点间连边权重，经过归一化处理生成资源在信任关系网络中的转移矩阵。最后利用调节因子控制资源在“用户-物品”二部图中的传递。该算法进一步拓展了基于扩散过程推荐算法的研究。
第2章推荐系统及相关理论技术13第2章推荐系统及相关理论技术本章节主要介绍了推荐系统的运作原理、上下文信息相关知识、相似度计算系数、基于扩散过程的推荐算法设计思路。采用举例推演的方法对基于扩散过程推荐算法的运作流程进行详细的说明。2.1推荐系统为了解决信息过载和用户不明确需求问题，帮助用户从海量的信息中找到感兴趣的物品，是推荐系统主要的工作。从用户的角度分析，推荐系统可以帮助用户及时找到所需的物品，当用户面对选择的困扰时，其能帮助用户更好的做出决策，同时还可以帮助用户发现新鲜的事物。从商家角度分析，推荐系统可以帮助商家了解用户的需求，便于提供精准的个性化服务，从而提升用户对商家的信任度以及粘性，增加商家的盈利。图2.1推荐系统结构框架图假如采用数学的方式定义推荐系统，可以表示为：IiifiUu],umax[arg,u(2.1)其中，U表示所有用户集合，I表示所有的物品或者推荐内容，f是判断将物品i推荐给用户u好坏程度的评判函数。推荐过程等价于对于用户Uu，找到物品
【参考文献】：
期刊论文
[1]结合用户社区和评分矩阵联合社区的推荐算法研究[J]. 文凯,朱传亮,何少元. 小型微型计算机系统. 2019(10)
[2]基于内容和最近邻算法的多臂老虎机推荐算法[J]. 王高智,肖菁. 华南师范大学学报(自然科学版). 2019(01)
[3]融合多种数据信息的餐馆推荐模型[J]. 戴琳,孟祥武,张玉洁,纪威宇. 软件学报. 2019(09)
[4]融合时间和类型特征加权的矩阵分解推荐算法[J]. 石鸿瑗,孙天昊,李双庆,侯湘. 重庆大学学报. 2019(01)
[5]面向局部线性回归分类器的判别分析方法[J]. 朱换荣,郑智超,孙怀江. 智能系统学报. 2019(05)
[6]基于信任机制下概率矩阵分解的用户评分预测[J]. 杜东舫,徐童,鲁亚男,管楚,刘淇,陈恩红. 软件学报. 2018(12)
[7]基于多子网复合复杂网络模型的物质扩散推荐算法[J]. 周双,宾晟,邵峰晶,孙更新. 复杂系统与复杂性科学. 2018(04)
[8]Truser:一种基于可信用户的服务推荐方法[J]. 何鹏,吴浩,曾诚,马于涛. 计算机学报. 2019(04)
[9]融合物品热门因子的协同过滤改进算法[J]. 孙红,韩震. 小型微型计算机系统. 2018(04)
[10]信任社交网络中改进的物质扩散推荐算法[J]. 蔡永嘉,李冠宇. 计算机工程. 2019(03)
本文编号：3287095
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3287095.html
