基于信任的協(xié)同過濾技術(shù)研究.pdf

1、隨著Internet的發(fā)展，網(wǎng)絡(luò)上的信息以指數(shù)規(guī)律增長，人們需要花費(fèi)大量的時(shí)間和精力才能找到自己需要的信息，出現(xiàn)了“信息過載”和“信息迷航”等問題。傳統(tǒng)的通用搜索引擎，例如Google、百度等，可以從一定程度上幫助人們查找所需信息。然而，當(dāng)輸入相同的搜索詞時(shí)，通用搜索引擎返回給每個(gè)用戶的結(jié)果都一樣，缺乏個(gè)性化。隨著人們對(duì)個(gè)性化服務(wù)的需求越來越多，個(gè)性化服務(wù)技術(shù)得到了企業(yè)以及普通用戶的青睞。如何根據(jù)用戶的興趣提供不同的個(gè)性化服務(wù)成為一個(gè)具

2、有挑戰(zhàn)性的問題。推薦系統(tǒng)作為一種個(gè)性化服務(wù)技術(shù)在電子商務(wù)網(wǎng)站以及數(shù)字圖書館等領(lǐng)域中得到了廣泛的應(yīng)用。
　　 常用的推薦系統(tǒng)主要有兩種：基于內(nèi)容的推薦系統(tǒng)和協(xié)同過濾推薦系統(tǒng)。其中，協(xié)同過濾技術(shù)是最常用的一種推薦技術(shù)。但是，協(xié)同過濾技術(shù)存在一些固有的缺陷，例如，“稀疏性”問題，“冷啟動(dòng)”問題，“易受攻擊問題”以及“可擴(kuò)展性”問題等。
　　 另外，由于現(xiàn)代網(wǎng)絡(luò)的開發(fā)性、分布性等特點(diǎn)，用戶可以在任何時(shí)候任何地點(diǎn)發(fā)布任何信息，由此

3、造成的網(wǎng)絡(luò)安全隱患問題越來越突出。在網(wǎng)絡(luò)虛擬環(huán)境中人們對(duì)信任的需求也越來越迫切。
　　 為了解決以上問題，一些研究人員提出了許多改進(jìn)方法。例如，將基于內(nèi)容的推薦技術(shù)和協(xié)同過濾推薦技術(shù)相結(jié)合形成混合推薦。也有人提出將信任引入推薦系統(tǒng)。本文就是信任引入推薦系統(tǒng)，與協(xié)同過濾推薦技術(shù)相結(jié)合。用戶既可以對(duì)產(chǎn)品進(jìn)行評(píng)論，也可以對(duì)其他用戶進(jìn)行評(píng)論，也就是表達(dá)當(dāng)前用戶對(duì)其他用戶的信任評(píng)論。本文中信任關(guān)系表示其他用戶的評(píng)分對(duì)當(dāng)前用戶是否有用或者是

4、否相關(guān)。用戶之間信任關(guān)系組成了一張信任網(wǎng)絡(luò)，形成一張有向圖。另外，由于現(xiàn)實(shí)系統(tǒng)中用戶數(shù)量眾多，當(dāng)前用戶不可能對(duì)所有其他用戶都表達(dá)了信任關(guān)系，這就需要有一種機(jī)制來估算這些未知的信任關(guān)系。通過信任在信任網(wǎng)絡(luò)中的傳遞，可以通過信任計(jì)算機(jī)制(Trust Metric)估算出更多用戶之間的信任關(guān)系。被信任度高于一定閾值的用戶作為當(dāng)前用戶的鄰居用戶。通過將這些鄰居用戶評(píng)論較高的產(chǎn)品或者服務(wù)推薦給當(dāng)前用戶來形成最終的推薦。這樣就可以有效地減輕協(xié)同過濾

5、系統(tǒng)固有的“冷啟動(dòng)”、“稀疏性”以及“易受攻擊”等問題。同時(shí)，滿足人們?cè)谔摂M網(wǎng)絡(luò)環(huán)境中對(duì)信任的迫切需求。
　　 本文的工作和貢獻(xiàn)主要是：
　　 第一：總結(jié)分析個(gè)性化服務(wù)和推薦系統(tǒng)相關(guān)技術(shù)，以及協(xié)同過濾系統(tǒng)存在的一些問題；
　　 第二：總結(jié)分析信任相關(guān)理論知識(shí)，包括總結(jié)信任的各種定義、屬性和傳遞等理論，并對(duì)現(xiàn)有的信任模型進(jìn)行簡單的分析；
　　 第三：提出信任隨著傳遞而衰減，通過添加衰減因子，提出改進(jìn)的基于信

6、任的協(xié)同過濾算法DecTrust，并在實(shí)際數(shù)據(jù)集Epinions.com上通過實(shí)驗(yàn)檢驗(yàn)其覆蓋率和準(zhǔn)確率。實(shí)驗(yàn)表明該改進(jìn)算法不僅與傳統(tǒng)的協(xié)同過濾技術(shù)(Collaborative Filtering，CF)相比有更高的覆蓋率和準(zhǔn)確率，極大地減輕了其“稀疏性”、“冷啟動(dòng)”等問題，而且與Massa提出的信任計(jì)算算法MoleTrust相比，可以在保證算法覆蓋率的基礎(chǔ)上，進(jìn)一步提高推薦的準(zhǔn)確率，也進(jìn)一步滿足了用戶對(duì)信任的需求，避免協(xié)同過濾推薦系統(tǒng)“