基于協(xié)同過濾的推薦系統(tǒng)相關(guān)算法研究.pdf

1、互聯(lián)網(wǎng)的蓬勃發(fā)展使得人們能夠便捷的獲取豐富的信息，同時也造成了非常嚴重的信息過載問題。自個性化推薦系統(tǒng)提出以來，就以其強大的能力和適應(yīng)性得到了快速的發(fā)展與應(yīng)用，協(xié)同過濾則是其中應(yīng)用最廣泛也是最成功的一種推薦算法。協(xié)同過濾推薦系統(tǒng)是基于特定領(lǐng)域中收集到的歷史數(shù)據(jù)來給用戶推薦其可能感興趣的物品。由于評分數(shù)據(jù)的稀疏性及‘冷啟動’問題，這類算法的效果往往也并不盡如人意。本文針對推薦系統(tǒng)中的兩類數(shù)據(jù)，從多源遷移學習和利用社交信任關(guān)系的角度，改進相

2、關(guān)協(xié)同過濾算法，從一定程度上緩解了上述問題造成的影響。
　　本研究主要內(nèi)容包括：⑴設(shè)計了一種基于多源遷移學習的共享組級因子模型，解決了單源遷移學習因為源域的用戶及項目數(shù)量有限，無法覆蓋整個目標域的問題，同時能夠自主學習得到不同源域與目標域之間的相關(guān)性系數(shù)。實驗結(jié)果證明改進后的算法能夠提升算法的預測正確率，同時能夠減弱數(shù)據(jù)稀疏性的影響。⑵研究了社交網(wǎng)絡(luò)中用戶間存在的信任關(guān)系，考慮到用戶在信任網(wǎng)絡(luò)中表現(xiàn)為兩種角色，即信托者和受托者時受

3、到不同用戶的影響。基于奇異值分解模型從用戶的兩種角色出發(fā)，同時融合評分信息和信任關(guān)系中的隱藏信息，給出了一種基于兩種角色信任感知的Dual-TrustSVD模型。隨后結(jié)合近鄰模型中的一些觀點，引入項目間的相似性，設(shè)計了一種改進后的Dual-TrustSVDNN模型。最后的實驗也證明了新算法提升了預測效果，也更適應(yīng)“冷啟動”環(huán)境。⑶分析了信任關(guān)系在隱式反饋項目推薦中的作用，利用信任關(guān)系將目標用戶的顯示反饋信息進行了劃分，解決了目標用戶對于