基于社交網(wǎng)絡(luò)信任度的協(xié)同過濾推薦系統(tǒng)的研究.pdf

1、伴隨著計算機(jī)技術(shù)的不斷發(fā)展，互聯(lián)網(wǎng)日趨普及，網(wǎng)絡(luò)上信息數(shù)量不斷擴(kuò)大，用戶可以更自由的獲取信息，這滿足了用戶的信息需求。但是隨著網(wǎng)絡(luò)上信息的大幅增長，用戶在有限的時間內(nèi)接收并處理龐大的能力逐步下降。面對此種信息超載現(xiàn)象，傳統(tǒng)的人工過濾搜索算法已經(jīng)無法適應(yīng)當(dāng)前的形式。個性化推薦系統(tǒng)應(yīng)運(yùn)而生，并且在越來越多的學(xué)者的參與以及帶領(lǐng)下，正在迅速發(fā)展并形成一定的理論基礎(chǔ)。
　　社交網(wǎng)絡(luò)中，用戶往往傾向選擇自己信任的人所推薦的物品。因此，用戶評分

2、數(shù)據(jù)較為稀疏的情況下，基于社交網(wǎng)絡(luò)信任度的推薦能夠有效提高推薦的準(zhǔn)確率。但是目前的推薦算法對于信任度的處理方法較為單一，沒有對信任用戶做有效的挖掘。本文在傳統(tǒng)協(xié)同過濾推薦算法基礎(chǔ)上，提出了基于社交網(wǎng)絡(luò)信任度的推薦算法。
　　本文中，為了解決社交網(wǎng)絡(luò)信任度矩陣較稀疏的問題，使用局部信任度與全局信任度相結(jié)合的方法，將社交網(wǎng)絡(luò)信任度矩陣進(jìn)行擴(kuò)展，使其更稠密。并且更細(xì)化了好友之間的信任關(guān)系。對于用戶的所有信任用戶，使用主題模型挖掘用戶的主

3、題分布。進(jìn)而可以將用戶劃分成不同的興趣組。與用戶具有相似興趣偏好的信任好友，得到更高的主題相似度。這樣，對于所有的信任用戶，信任值是用戶之間的信任值與用戶之間主題相似度的和。然后，基于隱含因子模型預(yù)測信任好友產(chǎn)生的評分矩陣。最后，本文融合用戶自身評分與信任好友的評分得到最后的預(yù)測評分。這樣不僅可以考慮到用戶自身的興趣，而且可以結(jié)合與用戶有相似興趣愛好的信任用戶的評分，較為全面準(zhǔn)確。
　　在本文提出的算法中，擴(kuò)充信任矩陣，以及利用主