基于貝葉斯網(wǎng)絡(luò)的在線社交網(wǎng)絡(luò)推薦技術(shù)研究.pdf

1、面對海量的信息時(shí)，用戶可以利用推薦技術(shù)找到自己感興趣的內(nèi)容，但當(dāng)前推薦技術(shù)在在線社交網(wǎng)絡(luò)推薦應(yīng)用中可能會(huì)遇到冷啟動(dòng)與數(shù)據(jù)稀疏性等問題，常常使得所建立的推薦模型失效，降低了推薦的準(zhǔn)確度。本文將探索在線社交網(wǎng)絡(luò)推薦技術(shù)，形成基于貝葉斯網(wǎng)絡(luò)的推薦方法，降低冷啟動(dòng)與數(shù)據(jù)稀疏性帶來的不良影響，提高在線社交網(wǎng)絡(luò)推薦的準(zhǔn)確度，并針對用戶無法提供充足反饋信息的情況，解決推薦過程中覆蓋率低以及用戶隱私難以得到很好保護(hù)等問題。
　　本文重點(diǎn)研究在線社

2、交網(wǎng)絡(luò)中社會(huì)關(guān)系、歷史評分記錄、反饋信息等因素對推薦方法產(chǎn)生的影響，提出基于顯式與隱式反饋信息的在線社交網(wǎng)絡(luò)推薦方法，將貝葉斯定理應(yīng)用到推薦過程中，結(jié)合用戶的顯式與隱式反饋信息和信任關(guān)系信息，抽取信任關(guān)系矩陣和商品評分矩陣并進(jìn)行概率分解，優(yōu)化訓(xùn)練模型的參數(shù)，為用戶提供精確的預(yù)測評分。實(shí)驗(yàn)表明，上述在線社交網(wǎng)絡(luò)推薦方法能夠有效地獲得用戶的偏好，產(chǎn)生大量的準(zhǔn)確度高的預(yù)測評分，實(shí)現(xiàn)高質(zhì)量的在線社交網(wǎng)絡(luò)推薦。
　　本文還提出一種基于信任驅(qū)