資源描述：
《基于信任偏好的電子商務(wù)個(gè)性化項(xiàng)目推薦研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于信任偏好的電子商務(wù)個(gè)性化項(xiàng)目推薦研究StudyonPersonalizedE-commerceItemRecommendationBasedonTrustandPreference學(xué)科專業(yè)：管理科學(xué)與工程研究生：張秀杰指導(dǎo)教師：李鋼副教授天津大學(xué)管理與經(jīng)濟(jì)學(xué)部二零一二年十一月獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果，除了文中特別加以標(biāo)注和致謝之處外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得天津大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所
2、做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。學(xué)位論文作者簽名：簽字日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解天津大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)天津大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。（保密的學(xué)位論文在解密后適用本授權(quán)說(shuō)明）學(xué)位論文作者簽名：導(dǎo)師簽名：簽字日期：年月日簽字日期：年月日1摘要伴隨著網(wǎng)絡(luò)時(shí)代的到來(lái)，信息呈現(xiàn)爆炸式增長(zhǎng)，人們很難在海量的信息中快速找到自己需要的項(xiàng)
3、目。在此信息及網(wǎng)絡(luò)環(huán)境下，個(gè)性化推薦技術(shù)應(yīng)運(yùn)而生。然而，現(xiàn)存應(yīng)用最為廣泛的協(xié)同過濾推薦技術(shù)在冷啟動(dòng)、稀疏性等方面存在問題，影響了推薦結(jié)果的準(zhǔn)確性。為此，考慮將目前廣為流行的web2.0下的標(biāo)簽技術(shù)引入到個(gè)性化推薦中，并同時(shí)考慮用戶評(píng)分、評(píng)分時(shí)間因素以及信任因素，提出基于信任偏好的電子商務(wù)個(gè)性化推薦模型，以提高推薦系統(tǒng)的準(zhǔn)確性。主要研究的內(nèi)容是：現(xiàn)有的推薦技術(shù)在用戶興趣的度量上，往往只考慮一個(gè)或兩個(gè)因素。然而，作為反映用戶興趣的重要屬性，用戶給項(xiàng)目的標(biāo)簽、用戶對(duì)該標(biāo)簽的評(píng)分、用戶標(biāo)注項(xiàng)目的時(shí)間，這些因素都是非常重要的。所以，有必要將
4、這些因素綜合起來(lái)加以考慮，進(jìn)而產(chǎn)生更加準(zhǔn)確的興趣推薦結(jié)果?；诖?，文章提出綜合標(biāo)簽、得分和用戶興趣偏好時(shí)效性三個(gè)因素的個(gè)性化項(xiàng)目推薦模型。該模型將多維因素納入到推薦模型中，能夠有效提高項(xiàng)目推薦系統(tǒng)的準(zhǔn)確度。理論研究表明信任與用戶偏好相似性之間呈正向關(guān)系。在多維因素模型基礎(chǔ)上，將信任引入到新推薦模型中，提出基于信任偏好的電子商務(wù)個(gè)性化推薦模型，并通過直接信任和間接信任分別進(jìn)行項(xiàng)目的個(gè)性化推薦研究。該模型在鄰居用戶的產(chǎn)生上更加科學(xué)，因?yàn)橄啾扔诤瑫r(shí)效性的用戶興趣信息，使用信任來(lái)度量用戶之間的相似性更加準(zhǔn)確；同時(shí)該模型在單個(gè)用戶的興趣度量
5、上保留了綜合標(biāo)簽、得分和偏好時(shí)效性方法的優(yōu)點(diǎn)，在一定程度上，對(duì)協(xié)同過濾系統(tǒng)存在的冷啟動(dòng)、黑匣子、稀疏性和伸縮性等問題提供了解決方法。關(guān)鍵詞：信任；偏好；個(gè)性化推薦；協(xié)同過濾；電子商務(wù)2ABSTRACTWiththecomingoftheInternetage,theinformationisintheexplosivegrowth.Itishardtoquicklyfindwhatpeopleneedinafloodofinformationitems.Inthiscontext,personalizedrecommendatio
6、ntechnologycomesintobeing.However,themostwidelyusedCollaborativeFilteringrecommendationtechnologieshavesomeproblems,suchascoldstart,datasparsity.Thoseaffecttheaccuracyofrecommendationresults.Asaresult,thelabeltechnology,whichispopularinweb2.0,isintroducedintotheperson
7、alizedrecommendationsystem.Meanwhile,inordertoimprovetheaccuracyoftherecommendationsystems,wetakeuser'sscore,scoringtime,andthetrustfactorintoaccount,creatingane-commercepersonalizedrecommendationsystembasedontrustandusers’preferences.Majorstudiesaresummarizedasbelow:
8、Onameasureofuserinterest,theexistingrecommendationtechnologiesoftenonlyconsideroneortwofactors.However,asimportantproperties
