基于用戶行為的信任感知推薦方法研究.pdf

1、推薦為用戶利用網絡資源提供了極大的便利。按照輸入信息是否清晰明確，可以將推薦分為兩類：(1)基于關鍵詞的推薦，(2)基于用戶潛在行為和關系的推薦。最常用的基于關鍵詞的推薦即搜索。用戶輸入關鍵詞，搜索引擎返回與該關鍵詞最接近的搜索結果。然而傳統(tǒng)搜索引擎主要從提高搜索結果的查全率和查準率提升用戶對搜索結果的滿意程度，忽視了區(qū)分背景不同的用戶對相同關鍵詞期望的搜索結果也不同。單純提高搜索引擎的查全率和查準率已經不能為用戶提供滿意的推薦，這是由

2、于基于關鍵字的搜索包含的信息有限或者缺乏對用戶隱含需求的挖掘，導致搜索結果不能滿足用戶的個性化需求。因此滿足用戶的個性化需求是提高搜索質量的關鍵因素之一。本文認為提高個性化搜索質量主要取決于挖掘用戶隱含信息的準確度，以及實時地反映用戶偏好變化。本文通過對搜索行為的系統(tǒng)研究，提出從以下幾個方面改進搜索質量：
　　(1)提出基于用戶行為的個性化搜索結果預測方法，通過分析用戶的歷史訪問行為，建立用戶行為和偏好的隱馬爾可夫模型(HMM)，

3、預測用戶的搜索偏好，實現用戶個性化搜索。為了提高該方法的效率，通過將相似的用戶聚類，減少了估計HMM參數的時間，得到一種效率較高的個性化搜索方法。
　　(2)研究網頁排名對搜索質量的影響，針對網頁通過彼此鏈接提高自身排名的現象，本文通過分析現有網頁的拓撲結構，提出一種由網頁提升系數識別并剔除排名異常提升網頁的方法，有效地提高了搜索結果的質量。
　　推薦過程中必需面對的另一個問題是當用戶沒有明確的需求時，如何為用戶提供合理的推

4、薦，幫助用戶做出決定。本文通過對用戶行為和信任關系的系統(tǒng)研究，提出從以下幾個方面改進推薦質量：
　　(1)研究如何為新加入用戶提供合理的推薦，即用戶的冷啟動問題。由于受信任用戶給出的推薦更可信，為了既擴展可信任的用戶范圍又保證擴展后的信任關系是可靠的，提出通過不信任關系約束信任關系的擴展，并基于擴展后的信任關系和用戶對商品的評價信息為用戶提供推薦，提高了對新加入用戶和歷史信息稀少用戶的推薦效果。
　　(2)探討時間因素對推薦

5、的影響，研究用戶行為和其偏好變化之間的關系，提出一種描述用戶偏好隨時間而變化的推薦模型。并且將用戶間相似度計算過程轉化為二分圖最優(yōu)匹配，既保證了推薦算法的準確度，又降低了其時間復雜度。
　　(3)針對部分存在潛在需求的商品很少有機會被關注的現象，提出一種由長尾分布約束的推薦方法，該方法首先基于用戶行為確定用戶間相似關系，然后合理地擴展用戶間相似關系，最后通過長尾分布約束商品的推薦權重，解決了部分商品由于評價數量少而很難被用戶關注、