基于信任關(guān)系與用戶偏好的推薦算法研究

《基于信任關(guān)系與用戶偏好的推薦算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、碩士學(xué)位論文ｐ１基于信任關(guān)系與用戶偏好的推薦算法研究１作者姓名王佳蕾指導(dǎo)教師姓名、職稱劉志宏副教授申請學(xué)位類別工學(xué)碩士Ｉ西安電子科技大學(xué)學(xué)位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果；也不包含一為獲得西安電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我同工

2、作的同志對本研究所做的任何貢獻均己在論文中作了明確的說明并表示了謝意。一切法律責(zé)任學(xué)位論文若有不實之處，本人承擔(dān)。’ｊｎ丨ｓ＆月：ｔ日期：年本人簽名西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明？，即研宄生在本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定．校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文，允許采；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容用影印、縮印或其它復(fù)制手段保存論文。同時本人保證，獲得學(xué)位后

3、結(jié)合學(xué)位論文研究成果撰寫的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在。＿年解密后適用本授權(quán)書本人簽名：Ｈｉ意導(dǎo)師簽名：０叫玨＾日期：上辦ｆｅ日期：４２２９學(xué)校代碼10701學(xué)號1303121645分類號TP39密級公開西安電子科技大學(xué)碩士學(xué)位論文基于信任關(guān)系與用戶偏好的推薦算法研究作者姓名：王佳蕾一級學(xué)科：計算機科學(xué)與技術(shù)二級學(xué)科：計算機軟件與理論學(xué)位類別：工學(xué)碩士指導(dǎo)教師姓名、職稱：劉志宏副教授學(xué)院：計算機學(xué)院提交日期：2018年6月Researchont

4、heRecommendationAlgorithmBasedonTrustRelationshipandPreferenceAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerSoftwareandTheoryByWangJialeiSupervisor:LiuZhihongTitle:AssociateProfessorJune2018摘要摘要隨著服務(wù)

5、型計算的興起，大量跨領(lǐng)域電子服務(wù)應(yīng)運而生。用戶可便利的對產(chǎn)品進行選擇，網(wǎng)站也拉動了更多流量，占據(jù)更大的市場份額。然而，在線產(chǎn)品數(shù)量的驟增也為用戶從海量產(chǎn)品中做出選擇帶來困難。引入優(yōu)秀的個性化推薦系統(tǒng)是改善這一弊端的重要舉措。高效且健壯的推薦算法是個性化推薦系統(tǒng)進行精準(zhǔn)推薦的關(guān)鍵。傳統(tǒng)協(xié)同過濾推薦算法存在“冷啟動”、“數(shù)據(jù)稀疏”、“抗攻擊能力弱”等問題，直接影響推薦算法的可用性和準(zhǔn)確率。為解決這些問題，研究人員提出基于信任的推薦，依托于用戶間信任關(guān)系，為用戶提供信任度，這一除偏好相關(guān)性之外的重要相關(guān)性衡

6、量標(biāo)準(zhǔn)。在一定程度上解決了傳統(tǒng)協(xié)同過濾算法存在的問題，提升了推薦效果，但依舊存在較大提升空間。本文旨在提出更加精準(zhǔn)且可用性強的推薦算法。文章首先概述了信任相關(guān)基礎(chǔ)知識，重點介紹了常用的信任模型。同時，詳細描述了包括傳統(tǒng)協(xié)同過濾和基于信任推薦的相關(guān)經(jīng)典算法，對其優(yōu)缺點進行了分析比較。為獲得更優(yōu)的推薦效果并解決目前推薦算法存在的問題，本文提出一種基于信任關(guān)系與用戶偏好的協(xié)同過濾算法TPCF（CollaborativeFilteringAlgorithmBasedonTrustandPreference）。

7、TPCF算法在社交網(wǎng)絡(luò)中使用信任傳遞機制，建立信任傳遞模型，由此獲取任意用戶間的信任度。另一方面，設(shè)計了相似性判定指標(biāo)，憑借系統(tǒng)評分數(shù)據(jù)，求得用戶間的偏好相似度。在得到用戶間信任度和偏好相似度的基礎(chǔ)上，根據(jù)社交網(wǎng)絡(luò)特性，動態(tài)結(jié)合兩部分指標(biāo)獲得綜合推薦權(quán)重，再以此權(quán)重替代傳統(tǒng)相似度衡量標(biāo)準(zhǔn)進行基于用戶的協(xié)同過濾推薦。算法考慮最近鄰用戶評分權(quán)重隨時間的衰減，使得預(yù)測結(jié)果更加準(zhǔn)確。TPCF算法結(jié)合了傳統(tǒng)協(xié)同過濾算法以及基于信任推薦算法的優(yōu)點，在解決傳統(tǒng)推薦算法存在問題的前提下，進一步提升了推薦效果和可用性。

8、實驗部分對信任傳播模型的輸入?yún)?shù)、收斂性、信任度分布等方面進行了驗證分析，研究了信任網(wǎng)絡(luò)參數(shù)變化對算法性能的影響，并對協(xié)同過濾算法、基于信任的算法、TPCF算法以及其他經(jīng)典推薦算法在準(zhǔn)確率、覆蓋率、可用性、抗攻擊能力等方面進行了對比。實驗證明，TPCF推薦算法能夠克服傳統(tǒng)協(xié)同過濾推薦算法存在的問題，并獲得更好的推薦效果。關(guān)鍵詞：個性化推薦系統(tǒng)，社交網(wǎng)絡(luò)，信任，協(xié)同過濾，用戶偏好IABSTRACTABSTRACTWiththeadventofservice