基于信任關(guān)系的推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的迅速發(fā)展，網(wǎng)上聚集了海量的數(shù)據(jù)信息，人們淹沒在信息海洋中，無法從中快速獲取對(duì)自己有用的或者感興趣的信息，出現(xiàn)了“信息過載”現(xiàn)象。推薦系統(tǒng)作為搜索引擎之后的一種解決“信息過載”的有效方法，不需要用戶主動(dòng)提供明確的需求，而是通過分析用戶的歷史行為，依據(jù)一定的推薦機(jī)制主動(dòng)給用戶提供滿足其興趣的個(gè)性化推薦。協(xié)同過濾推薦算法因其高效和便捷性成為推薦系統(tǒng)中最受青睞的算法，其原理是找到與用戶具有相似興趣的用戶群，然后向用戶推薦相似用戶感興

2、趣的物品。協(xié)同過濾推薦算法具有較好的推薦效果，但存在數(shù)據(jù)稀疏和冷啟動(dòng)問題，導(dǎo)致對(duì)冷啟動(dòng)用戶和物品推薦效果不佳，算法有待改進(jìn)。
　　矩陣分解作為一種解決數(shù)據(jù)稀疏和冷啟動(dòng)問題的有效方法，其基本原理是將一個(gè)高維矩陣通過降維的方法分解為兩個(gè)或多個(gè)低維矩陣，通過低維空間研究高維空間的性質(zhì)，在一定程度上緩解了數(shù)據(jù)稀疏和冷啟動(dòng)問題。社交網(wǎng)絡(luò)的興起打通人與人之間線上交流的橋梁，信任關(guān)系作為社交網(wǎng)絡(luò)最重要的信息被引入到推薦系統(tǒng)，出現(xiàn)基于信任的推薦算

3、法，算法通過加入用戶的信任信息來提高推薦效果，有效緩解了協(xié)同過濾算法存在的數(shù)據(jù)稀疏和冷啟動(dòng)問題，但用戶的信任數(shù)據(jù)因獲取困難也存在數(shù)據(jù)稀疏問題。
　　本文在對(duì)傳統(tǒng)協(xié)同過濾算法和基于信任的推薦算法存在的問題進(jìn)行研究，做了以下工作：
　　首先，為了緩解傳統(tǒng)協(xié)同過濾推薦算法存在的數(shù)據(jù)稀疏和冷啟動(dòng)問題，以及顯式信任獲取困難的問題，提出一種融合用戶間隱式信任關(guān)系的矩陣分解推薦算法，本算法基于SVD++算法模型，通過皮爾遜相關(guān)系數(shù)和信任因

4、子計(jì)算用戶間的隱式信任關(guān)系，得到隱式信任矩陣，然后將評(píng)分矩陣和隱式信任矩陣進(jìn)行矩陣分解，通過求解矩陣分解得到的用戶、物品和隱式信任的低維特征矩陣來進(jìn)行評(píng)分預(yù)測(cè)。
　　其次，針對(duì)顯式信任數(shù)據(jù)稀疏問題，提出一種結(jié)合顯式信任關(guān)系和隱式信任關(guān)系的矩陣分解推薦算法，在用戶歷史評(píng)分?jǐn)?shù)據(jù)稀疏的情況下，利用顯式信任數(shù)據(jù)來緩解評(píng)分?jǐn)?shù)據(jù)稀疏的問題；同時(shí)，對(duì)于顯式信任信息因安全和隱私問題造成的數(shù)據(jù)稀疏問題，借助隱式信任信息緩解顯式信任數(shù)據(jù)稀疏的狀況，為