社會(huì)網(wǎng)絡(luò)中基于信任的推薦方法設(shè)計(jì)與實(shí)現(xiàn).pdf

1、目前，推薦技術(shù)已經(jīng)被廣泛應(yīng)用于各種領(lǐng)域以解決“信息過(guò)載”問(wèn)題，而傳統(tǒng)的推薦技術(shù)存在推薦精確度不高、覆蓋率不廣等諸多問(wèn)題。隨著社會(huì)網(wǎng)絡(luò)的興起與發(fā)展，人們將精力投入在社會(huì)網(wǎng)絡(luò)中的情況越來(lái)越多。將社會(huì)網(wǎng)絡(luò)中的信息與傳統(tǒng)推薦技術(shù)有效結(jié)合可以在很大程度上彌補(bǔ)傳統(tǒng)推薦算法的以上缺點(diǎn)。本文充分挖掘社會(huì)網(wǎng)絡(luò)中用戶之間的關(guān)系，結(jié)合傳統(tǒng)算法預(yù)測(cè)用戶對(duì)目標(biāo)項(xiàng)目的評(píng)分，主要研究?jī)?nèi)容如下:
　　1.基于專家信任的協(xié)同過(guò)濾算法。利用現(xiàn)實(shí)生活中人們往往更信任專

2、家意見(jiàn)的思想，尋找社會(huì)網(wǎng)絡(luò)中的專家用戶，利用專家用戶對(duì)目標(biāo)項(xiàng)目的看法與專家用戶與目標(biāo)用戶的相似度預(yù)測(cè)目標(biāo)用戶的評(píng)分。在本文中，用戶的專家度由全局信任度與局部信任度共同決定，其中全局信任度用來(lái)度量用戶是否權(quán)威;局部信任度用來(lái)度量其評(píng)分的質(zhì)量及數(shù)量。最后找到與目標(biāo)用戶最相似的一部分專家，根據(jù)這部分專家的評(píng)分利用協(xié)同過(guò)濾算法的思想預(yù)測(cè)用戶對(duì)目標(biāo)項(xiàng)目的評(píng)分，最后通過(guò)大量實(shí)驗(yàn)驗(yàn)證了將專家因素引入推薦算法可以提高推薦結(jié)果的準(zhǔn)確度，也可為冷啟動(dòng)推薦他

3、們很可能感興趣是商品。
　　2.基于信任用戶評(píng)分傳遞的推薦算法。現(xiàn)實(shí)生活中一個(gè)人要想知道一件商品的好壞可以詢問(wèn)朋友，若朋友也不知道該商品的評(píng)價(jià)那么會(huì)由朋友再詢問(wèn)朋友的朋友，以此類推，最后將朋友的結(jié)果延路徑一步步反饋回來(lái)。本文利用這種思想分析評(píng)分如何在信任用戶之間進(jìn)行傳遞，進(jìn)而提出簡(jiǎn)單的信任用戶之間評(píng)分傳遞的模型，再分析影響該模型的因素并對(duì)模型加以改進(jìn)，然后提出完備的信任用戶評(píng)分傳遞的模型并詳細(xì)闡述算法的流程及偽代碼，最后用實(shí)驗(yàn)驗(yàn)證