基于领域信任及不信任的社会化推荐研究与应用

发布时间：2023-10-21 15:02

　　在目前计算机与网络发达的时代,每分每秒都产生着数量大且维度多的数据信息。面对信息过载的问题,人们可以利用推荐系统对信息进行快速且精准地选择,但在实际使用中,存在数据稀疏性与冷启动等问题。随着社交网络规模与用户历史行为数据爆炸式增长,社会化推荐系统成为近几年研究热点。但目前存在的社会化推荐算法很少考虑到用户的不信任关系,也忽略了社交关系与用户评分的领域相关性。通过分析社会化推荐的国内外研究现状,本文在社交网络中融入不信任关系,并且考虑到全局影响力以及信任关系的领域性问题,利用不信任关系对社交关系进行修正,并结合组推荐的概念,对用户进行聚类。然后根据用户的评分特征和用户聚类结果,计算出用户间的领域相关性,再利用考虑了不信任关系的全局影响力,对目标用户的信任好友进行筛选,通过实验证明所提算法在提高推荐质量和缓解冷启动问题上都有一定的作用。最后,以此算法作为推荐系统的核心模块,构建了一个社会化推荐原型系统。本文的主要工作包括:(1)论述本文研究工作的发展背景,首先介绍国内推荐系统的研究现状,总结该领域目前存在的问题,在此基础上阐明了本文的研究重点以及该研究的意义。(2)针对传统社会化推荐中对不...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 本文的研究意义及主要工作
    1.4 本文的组织结构
    1.5 本章小结
2 相关技术分析
    2.1 传统推荐
    2.2 社会化推荐
        2.2.1 基于网络图模型的社会化推荐
        2.2.2 基于矩阵分解的社会化推荐
    2.3 基于信任-不信任关系的社会化推荐
    2.4 本章小结
3 基于领域信任及不信任的奇异值分解推荐算法
    3.1 问题的提出
    3.2 领域信任和不信任关系的度量
        3.2.1 信任和不信任关系的度量
        3.2.2 用户领域相关性的计算
    3.3 融合了不信任关系的用户全局影响力计算
    3.4 实验设计及分析
        3.4.1 实验数据集
        3.4.2 评价指标
        3.4.3 实验结果及分析
    3.5 本章小结
4 基于融合组推荐的领域信任及不信任的社会化推荐算法
    4.1 问题的提出
    4.2 基于用户聚类的组推荐研究
        4.2.1 用户偏好的获取
        4.2.2 组推荐中群组的形成
        4.2.3 用户偏好的融合
    4.3 基于融合组推荐的领域信任及不信任的社会化推荐算法实现
        4.3.1 基于用户聚类的领域相关性计算
        4.3.2 算法实现流程
    4.4 实验设计及分析
        4.4.1 实验数据集
        4.4.2 评价指标
        4.4.3 实验结果与分析
    4.5 本章小结
5 基于领域信任及不信任的社会化推荐原型系统
    5.1 社会化推荐原型系统需求分析
    5.2 社会化推荐原型系统总体设计
    5.3 社会化推荐原系统功能实现
        5.3.1 日志管理模块
        5.3.2 用户相关数据分析模块
        5.3.3 推荐系统模块
    5.4 社会化推荐原型系统的实现及效果展示
    5.5 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
附录
    A作者在攻读学位期间发表的论文目录
    B作者在攻读学位期间参与的科研项目
    C学位论文数据集
致谢



本文编号：3856069