社交网络下信任传播模型的个性化推荐研究

发布时间：2020-05-26 06:33

【摘要】：随着信息技术、互联网的高速发展,社交网络成为人们日常交往沟通,获取信息的主要途径。而互联网的快速发展,信息越来越多,人们很从中找到感兴趣的信息。个性化推荐有效的解决了信息超载问题,给人们推荐他们可能感兴趣的物品或用户,帮助他们快速获取感兴趣的信息,提高了用户体验。与此同时,个性化推荐也帮助商家提高了客户的忠诚度,提高效益。但是,目前的个性推荐算法存在诸多问题,有一定的局限性。协同过滤算法是个性化推荐算法中最有效的算法之一,但是它存在着数据稀疏、冷启动、恶意攻击、扩展性差等问题,使得推荐信息准确性不是很高,新用户无法获取推荐信息等。本文针对以上问题对个性化推荐进行研究改进。本文讨论了社交网络中信任传递的情况,提出了基于社交网络信任传播模型的推荐方法,给出了简化模型的方法,实现高质量的社交网络个性化推荐。根据社交网络信任模型,针对传统协同过滤的局限性,将不信任引入社交网络的传递中,在已有的信任传递中引入不信任的传播以及时间衰退因子,使得最终信任值的结果更加符合实际情况。其次,本文在计算信任值时,引入了用户兴趣模型,计算用户兴趣之间的相似性。最后,本文通过实验对算法进行验证,采用推荐系统常用的评测指标——预测准确度、覆盖率、准确率这三种指标,针对传统协同过滤、纯信任传递产生的推荐以及本文提出的算法这三种算法产生的推荐进行对比。
【学位授予单位】：首都经济贸易大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3;G206

【参考文献】