面向大數(shù)據(jù)的可信服務(wù)推薦方法研究.pdf

1、服務(wù)推薦是服務(wù)選擇的重要環(huán)節(jié)。隨著社交網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)規(guī)模和用戶數(shù)量的急劇上升，分析處理用戶數(shù)據(jù)的時(shí)間越來越長，在大數(shù)據(jù)場景下實(shí)現(xiàn)基于用戶需求的服務(wù)推薦面臨巨大挑戰(zhàn)。當(dāng)用戶數(shù)據(jù)量很大時(shí)，傳統(tǒng)的協(xié)同過濾服務(wù)推薦方法會遇到計(jì)算瓶頸，解決該問題的有效方法之一就是利用社交網(wǎng)絡(luò)理論中的社團(tuán)發(fā)現(xiàn)方法劃分用戶網(wǎng)絡(luò)。但現(xiàn)有的社團(tuán)發(fā)現(xiàn)算法的計(jì)算復(fù)雜度較高，當(dāng)數(shù)據(jù)維度和規(guī)模增大時(shí)，需要的資源呈指數(shù)增長，大數(shù)據(jù)場景下的社團(tuán)發(fā)現(xiàn)顯得力不從心。另一方面，目前社團(tuán)

2、發(fā)現(xiàn)方法較少考慮用戶信任對社團(tuán)發(fā)現(xiàn)帶來的影響，鄰居中的惡意用戶也在不斷增多，降低了推薦結(jié)果的精確性。此外，如何動態(tài)地加入新用戶以及及時(shí)刪除惡意用戶也是比較棘手的問題。
　　為實(shí)現(xiàn)大數(shù)據(jù)場景下高效、可信的服務(wù)推薦，將社交網(wǎng)絡(luò)理論和信任理論的研究成果有機(jī)融合，本文提出了大數(shù)據(jù)場景下基于可信社團(tuán)的服務(wù)推薦方法，具體工作如下：
　?。?）本文在已有的信任模型理論研究成果的基礎(chǔ)上考慮了信任隨時(shí)間變化的特點(diǎn)以及信任的動態(tài)性建立用戶間的信

3、任關(guān)系，計(jì)算用戶與服務(wù)提供者的信任度；同時(shí)，構(gòu)建可信社團(tuán)的優(yōu)化方法，包括根據(jù)用戶的興趣偏好提出了新用戶的加入方法以及利用信任關(guān)系和用戶鄰居的相似性發(fā)現(xiàn)并刪除惡意用戶的方法。仿真結(jié)果表明本文提出的惡意用戶發(fā)現(xiàn)方法可以有效的抵御惡意用戶的攻擊。
　?。?）本文利用信任關(guān)系構(gòu)建用戶可信社團(tuán)，并在此基礎(chǔ)上提出了可信社團(tuán)發(fā)現(xiàn)算法。利用該算法可以有效地劃分海量用戶，使相似的用戶盡可能地聚集在同一個(gè)社團(tuán)中。本文利用MapReduce框架將社團(tuán)發(fā)