結(jié)合信任的個(gè)性化推薦算法研究.pdf

1、目前個(gè)性化推薦研究還存在諸多挑戰(zhàn)，如稀疏性問(wèn)題和冷啟動(dòng)問(wèn)題，尤其是社交網(wǎng)絡(luò)環(huán)境下的個(gè)性化推薦有待挖掘，所以在社交網(wǎng)絡(luò)環(huán)境下對(duì)結(jié)合信任的個(gè)性化推薦方法研究非常有意義。
　　針對(duì)論文研究問(wèn)題，先對(duì)傳統(tǒng)推薦方法進(jìn)行分析，包括傳統(tǒng)推薦方法的分類(lèi)，面臨的問(wèn)題;接著對(duì)結(jié)合信任的個(gè)性化推薦方法進(jìn)行理論整理。通過(guò)以上分析，提出以下三種結(jié)合信任的個(gè)性化推薦方法:提出了一種基于信任傳播的TSRCF協(xié)同過(guò)濾個(gè)性化推薦算法，在信任傳播的基礎(chǔ)上，提出了信任

2、度，相似度，關(guān)系度的混合權(quán)重TSR，取代了傳統(tǒng)的協(xié)同過(guò)濾算法的相似度，作為尋找鄰居用戶(hù)的標(biāo)準(zhǔn)。TSRCF算法在一定程度上緩解了稀疏性問(wèn)題，幫助用戶(hù)在信息過(guò)載的情境下得到高質(zhì)量的推薦。在Epinions數(shù)據(jù)集和FilmTrust數(shù)據(jù)集上的仿真實(shí)驗(yàn)也驗(yàn)證了TSRCF算法比傳統(tǒng)CF算法有更高的推薦精確度;針對(duì)稀疏性和冷啟動(dòng)問(wèn)題，提出一種結(jié)合信任和相似度的隨機(jī)游走個(gè)性化推薦算法，利用二者的綜合權(quán)重TS，應(yīng)用于隨機(jī)游走算法。實(shí)驗(yàn)結(jié)果表明，在全用戶(hù)

3、數(shù)據(jù)集和冷啟動(dòng)數(shù)據(jù)集中，算法比其他參照算法在準(zhǔn)確率，覆蓋率等方面均有提高，時(shí)間復(fù)雜度也有改善。信任度采用數(shù)據(jù)集內(nèi)用戶(hù)評(píng)價(jià)的信任度，并沒(méi)有采用信任度公式計(jì)算用戶(hù)對(duì)其他用戶(hù)的信任度。算法改善了推薦精確度，覆蓋率，優(yōu)化了推薦質(zhì)量。在社交網(wǎng)絡(luò)中，提出一種基于K-means聚類(lèi)的信任網(wǎng)絡(luò)個(gè)性化推薦方法，通過(guò)對(duì)信任用戶(hù)的聚類(lèi)使得冷啟動(dòng)問(wèn)題大大改善。在Epinions數(shù)據(jù)集上的仿真實(shí)驗(yàn)表明，算法能夠改善傳統(tǒng)的推薦算法面臨的稀疏性問(wèn)題和冷啟動(dòng)問(wèn)題，算法