基于信任傳播模型的協(xié)同過濾推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)和電子商務(wù)的快速發(fā)展，信息過載已經(jīng)成為目前互聯(lián)網(wǎng)用戶所面臨的一個嚴峻的問題。如何讓用戶在海量的商品中能快速找到自己喜歡的商品，是每個電子商務(wù)網(wǎng)站急需解決的難題。推薦系統(tǒng)是解決這一問題的其中一個有效的手段。傳統(tǒng)的協(xié)同過濾推薦技術(shù)是電子商務(wù)推薦系統(tǒng)中有效和廣泛應(yīng)用的技術(shù)。但是協(xié)同過濾推薦技術(shù)也存在稀疏性問題、冷啟動問題、抗攻擊性問題和擴展性問題等急需研究解決的難題。本文采用結(jié)合信任網(wǎng)絡(luò)和協(xié)同過濾推薦技術(shù)的方法對稀疏性問題、冷啟動問

2、題和抗攻擊性問題進行研究。
　　 本文根據(jù)Web信任網(wǎng)絡(luò)的特點建立信任傳播的數(shù)學(xué)模型TPM，該模型定義了一套系統(tǒng)合理的信任傳播規(guī)則。TPM對用戶之間的局部信任度進行計算，解決了用戶之間的信任度量問題，適用于二值信任網(wǎng)絡(luò)和非二值信任網(wǎng)絡(luò)。
　　 本文提出了一種融合相似度和信任度的指標——TS指標取代傳統(tǒng)的協(xié)同過濾推薦算法中的相似度，作為區(qū)分當前用戶的鄰居用戶和非鄰居用戶的標準。實驗表明，使用TS指標的協(xié)同過濾推薦算法可以更

3、加準確的搜索到更多的鄰居用戶，提高推薦算法的覆蓋率。
　　 本文在傳統(tǒng)的協(xié)同過濾推薦算法中，應(yīng)用信任傳播模型TPM和TS指標，提出基于TPM的協(xié)同過濾推薦算法TPCF算法。TPCF算法在一定程度上，緩解了傳統(tǒng)的協(xié)同過濾推薦算法存在的稀疏性問題、冷啟動問題和抗攻擊性問題，幫助用戶在海量的商品中快速準確地找到自己喜歡的商品。實驗表明，在著名電子商務(wù)評價網(wǎng)站Epinions.com的數(shù)據(jù)集上，TPCF算法相比于傳統(tǒng)的協(xié)同過濾推薦算法抗