导读:本文包含了用户信任度论文开题报告文献综述及选题提纲参考文献，主要关键词:协同过滤,上下文信息,时间值,信任度
用户信任度论文文献综述
周迪[1]（2019）在《基于用户时间和信任度的协同过滤算法研究》一文中研究指出随着世界全球化进程的不断推进,互联网在我们的日常生活中占据着不可或缺的地位,越来越多的信息充斥着我们生活中的方方面面,从海量的信息中找到对我们有用的资源,为用户提供便捷的信息资讯依然成为每一个计算机人不懈的奋斗目标。在这样的一种趋势下,推荐系统就发挥出它应有的功能。它可以为目标者提供其感兴趣产品进而对其推荐,更加方便了用户的购买,还大大减少了用户搜索物品的时间问题,提高了搜索效率。推荐系统不仅仅记录用户之前购买物品的种类、时间、方式,并对其购买的物品进行分析整合,还要设计模型,设计算法,对用户进行定向的推荐。因此,推荐算法就显的尤为重要,它关系到用户的模型是否建立准确,推荐的商品是否可以满足用户的需求。协同过滤算法主要是通过向目标用户推荐他感兴趣但又没有购买的物品,从而促进用户对类似目标产品进行购买。传统的协同过滤算法有很多弊端:用户过多,计算评分矩阵代价大;不能很及时的反映用户的当前兴趣爱好;数据的稀疏性问题,对新的项目进行推荐时的冷启动问题,无法反映用户兴趣变化的问题等。本文为了解决推荐过程中存在的一系列问题,设计了叁种改进的过滤算法从而提高推荐的准确性。首先,设计了一种时间变化模型,将时间值加入到算法过程中,有效区分用户的长期兴趣与近期兴趣,根据兴趣变化的时间长短,构建用户兴趣随时间变化的模型,按照不同的权重加入到协同过滤算法中,更好的监测用户最近的兴趣变化,为用户推荐商品,实验证明加入时间变化值后推荐效果更为准确;其次,设计了一种信任模型,考虑用户受信任的程度,将用户信任度加入到算法中,建立信任模型,可以测算用户受信任的程度,进而区分是否可以相信用户的评分数据、以及占比的情况,预测物品评分值,从而为用户推荐商品;最后,设计了一种混合模型,将时间因素和信任因素同时考虑,建立模型,可以结合两者之间的优点,加入到算法中,形成混合的协同过滤算法,为用户准确推荐,实验证明改进后的算法准确性更高。(本文来源于《新疆大学》期刊2019-06-30）
孔庆波[2]（2019）在《网络用户信任度评价模型中层次分析法的应用》一文中研究指出社会的不断进步推动着网络和计算机技术的发展,从目前的社会现状来看,各大网络运营平台都将关注热点和工作重点转移至用户之间信任关系的充分挖掘之中。基于此,本文提出以用户信息为评价指标促进用户信任度评价模型建立的方法,并在模型的构建过程中应用层次分析法,在最大程度上解决多指标权重设定中人为主观因素多方干扰的问题,希望能对行业的整体发展起到一定的借鉴和促进作用。(本文来源于《计算机产品与流通》期刊2019年06期）
邓小燕,张晓彬[3]（2019）在《基于改进加权二部图和用户信任度的协同过滤推荐算法》一文中研究指出基于复杂网络物质扩散原理的二部图理论在协同过滤推荐领域的应用受到越来越多学者的关注,现有算法计算邻居用户时主要考察用户对项目的正向评价,未充分考虑用户的负向评价.为进一步提高推荐算法的准确度,提出了改进算法,将用户正向评价和负向评价量化成二部图上的路径权重,控制用户能量的分配,并在邻居用户预测评分阶段考虑用户的信任度,推荐结果更加准确.采用MovieLens和Eachmovie数据集对改进算法以及现有算法进行对比实验分析,证明改进算法具有更低的平均绝对偏差.(本文来源于《计算机系统应用》期刊2019年05期）
郑师应[4]（2019）在《基于结构方程和演化博弈的滴滴出行平台用户信任度分析》一文中研究指出我国近年来共享经济的发展如火如茶,共享经济所代表的思维方式以及便利快捷低碳的生活方式不断在我国普及和被大众所接受。在共享经济领域,共享出行对国民经济的发展和科技创新的发展起到了重要的推进作用。正是因为共享出行方式被越来越多的人所接受和使用,共享出行平台存在的安全性问题也随之曝露,各种乘车人身和财产收到侵害的事件被报道,严重降低了出行者对共享出行平台的信任度。对共享经济现阶段的发展来说,亟待解决的正是用户对平台的信任度问题,只有提升了用户对平台的信任,才能增加用户的持续使用意愿,让共享出行迎来新的发展机遇。在共享出行领域不断趋向标准化过程中,政府、企业和大众都扮演着重要的角色。信任危机的解决、制度监管和完善以及如何利用科技手段保障出行人的安全以提高用户对平台的信任度,增加用户持续使用意愿成为共享出行甚至时共享经济都需要解决的问题。本文研究了我国共享出行领域的龙头企业“滴滴出行”平台,通过结构方程和信任博弈模型对乘车人对“滴滴出行”的信任度主要影响因子和其效用原理进行了分析,探讨了政府的政策法规、制度保障、平台奖惩机制等对共享出行用户对共享出行平台信任度的影响关系。借鉴之前国内外学者的研究方法,结合我国共享经济的实际发展背景,本文通过问卷调查的方式收集数据,在确保问卷数据可靠并对能基于此数据分析的条件下对数据进行分析。研究结果表明:第一,用户持续使用意愿、平台安全支付机制、行车安全和平台外部信任度即平台口碑对用户对平台信任度有这正相关的关系,即这些指标越健全,越提高,用户对平台信任度就越高,同时行车安全问题对用户对平台的风险感知影响最为敏感,且呈正向影响,行车安全问题越多,用户感知到的风险程度就越大;第二,司机准入标准、安全支付机制、问题反馈机制、平台价格机制和政府因素都对用户对平台信任有着间接影响作用,通过与用户对平台风险感知有着负相关的关系间接影响用户对平台的信任度,同时,用户风险感知与用户对平台信任度负相关。第叁,对于司机的约束中,奖惩机制的设定对司机的约束力最大,能够直接影响司机的决策行为,惩罚力度越大,司机越倾向于做一个“诚信的角色”;第四,平台、出行人、司机叁方之间存在信任转移,出行人对平台信任度越高,则对司机信任度也越高,出行人对司机信任度越高,则对平台信任度也越高,用户对平台的持续使用意愿也越高。(本文来源于《北京邮电大学》期刊2019-04-30）
徐婷[5]（2019）在《融合时空信息和用户信任度的推荐算法研究与应用》一文中研究指出基于位置服务的推荐算法主要是根据用户的签到数据,分析用户活动的地理位置特征与用户社交活动之间的种种关系,进行位置推荐模型的建立。传统的基于位置的推荐系统大都利用用户的上下文信息,如用户所处位置、用户的注册信息等来实现对用户的推荐,但忽略了用户兴趣会随时间或位置的变化而发生改变,并且用户与好友之间的信任度也是影响用户偏好的一个重要因素。针对用户偏好迁移问题,本文对用户签到数据集进行挖掘,利用用户签到时间、签到地点、用户评分数据、用户社交情况等信息对用户建模,主要工作如下。首先,在时间上,根据牛顿冷却定律本文提出了一种时间衰减函数,在空间上,根据用户所在位置的经纬度信息提出一种空间相似度计算方法,然后将基于两种方法的时空信息融入到协同过滤算法中,综合得出本文所提出的融合时空信息的推荐算法。并将该算法与其它主流推荐算法进行比较和分析。实验结果表明,本文提出的算法优于其它对比的推荐算法。其次,社交网络中,用户好友的信任度在很大程度上影响用户的喜好。因此,本文利用移动用户的手机通讯记录中通讯的次数以及时长,建立一种特殊的移动用户好友近邻关系模型。同时,考虑到用户的通讯方式不同,设置用户权值,计算用户对直接好友以及间接好友的信任度,形成用户近邻集合,产生top-N推荐列表。并且在数据集上进行对比实验,实验表明,本文所提出的算法在缓解推荐系统的数据稀疏和冷启动问题上优于其它对比算法。最后,基于上述算法研究,本文设计并实现了一个个性化美食推荐系统,该系统充分利用数据的隐式信息,很好地满足了用户对于个性化美食推荐的需求,具有一定地实际参考意义。(本文来源于《中国矿业大学》期刊2019-04-11）
周娅,柴旺,韩君阳,张国梁[6]（2018）在《基于用户综合信任度与社区信任传播的推荐算法》一文中研究指出传统的协同过滤推荐算法存在数据稀疏性、用户冷启动等问题,基于信任机制的推荐算法虽然能够缓解数据稀疏性问题,但是在信任传播过程中时间成本过高。为此,提出基于用户综合信任度与社区信任传播的推荐算法,通过算法中的虚拟社区信任模型获取用户综合信任度,将其带入协同过滤算法得到推荐结果。该算法综合考虑显性和隐性2种直接信任度,得到直接综合信任度构建用户信任网络,并利用重迭社区发现算法为用户划分专属虚拟社区进行信任传播,弥补直接综合信任度数量的不足。在Epinions数据集上的实验结果表明,该算法能够在缓解数据稀疏性和用户冷启动问题的同时,降低信任传播的时间成本,提高推荐质量。(本文来源于《计算机工程》期刊2018年12期）
李梦洁[7]（2018）在《基于信任度评估的社交网络用户相似性研究》一文中研究指出信息时代里的社交媒体服务掀起了二十一世纪初期的一场科技革命,层出不穷的社交媒体应用和其巨大的市场潜力引发创业狂潮。这些应用让生活在地球不同角落的人们通过互联网联系在一起,交际成本从几万公尺缩短到分秒之间。让用户可以在茫茫人海中找到志同道合的人,并且能够准确、高效地寻觅到他感兴趣的信息是很必要的。现有的社交网络用户相似度算法通常涉及发布内容、用户信息以及用户间交互关系等多个因素,但大都忽略了用户之间的信任程度对所得相似用户价值的影响。本文对社交网络中用户信任情况提出RI-Rrust模型,从初始信任度以及熟悉性信任度两个维度对用户之间的信任关系进行评估,使用0到1的连续值描述用户之间的信任程度,并引入声誉信任度来处理冷启动问题。在用户相似度的分析中,对文本相似度这一重要指标提出基于关键词相似度的交叉匹配的策略,对文本进行去噪、分词及去除停用词的预处理后,使用TF-IDF将文本映射到向量空间,采用基于同义词词林的语义分析法对分词后的关键词进行交叉计算相似度,该方法能够忽略微博文本中词序、句法和整体语义的影响,可以更高效地分析博文之间的相似程度。使用层次分析法对多个相似度指标进行权重分析并综合评价。最后,提出基于信任度评估的用户相似性算法,通过在相似度计算中引入信任因子,提高了用户相似度的可靠性,筛选掉大量沉默用户及垃圾用户,获得更加有推荐价值的相似用户。我们使用社交网站真实用户数据设计实验,系统性地对比了基于信任度评估的用户相似性计算方法与改进前的算法的准确率、召回率和F1度量值,从实验结果可以看出:引入了信任因子的相似用户算法得出的用户相似度的F1度量值与传统的相似用户算法相比提高了36.8%,说明了基于信任度评估的用户相似性算法的优越性。(本文来源于《南京邮电大学》期刊2018-11-14）
赵明,闫寒,曹高峰,刘昕鸿[8]（2019）在《融合用户信任度和相似度的基于核心用户抽取的鲁棒性推荐算法》一文中研究指出推荐系统可以方便地帮助人们做出决策,然而,目前很少有研究考虑到剔除不相关噪声用户的影响,保留少量核心用户做推荐。该文提出基于信任关系和兴趣相似度的核心用户抽取的新方法。首先计算所有用户对之间的信任度和兴趣相似度并且排序,然后根据用户在最近邻列表中出现的频率和位置权重两种策略选择候选核心用户集合,最后利用用户的推荐能力筛选出最终的核心用户并且做推荐。实验表明利用核心用户做推荐的有效性,并且证明了利用20%的核心用户做推荐,可以达到超过90%的准确性,而且利用核心用户做推荐能很好地抵御托攻击对推荐系统造成的负面影响。(本文来源于《电子与信息学报》期刊2019年01期）
王森[9]（2018）在《基于用户心理搭建无人驾驶信任度的研究》一文中研究指出随着科学技术的发展进步及物联网时代的到来,无人驾驶已经成为一种可能。然而,公众对无人驾驶的认知存在恐惧、焦虑及不信任的态度。为了消除公众对无人驾驶的不信任,从用户信任度的角度入手研究,分析并搭建了无人驾驶信任度模型,以此逐渐提高公众对无人驾驶的信任度。(本文来源于《信息与电脑(理论版)》期刊2018年16期）
景东,张大勇[10]（2018）在《社交媒体环境下用户信任度评估与传播影响力研究》一文中研究指出【目的】通过研究社交媒体用户信任度评估和传播影响力,发现推动或制约信息传播的关键因素,为促进社交媒体健康有序发展提供服务。【方法】根据网络信任特点,提出一种基于直接信任和间接信任的综合评估指标,该指标综合考虑个体的局部影响力和全局调控能力。【结果】SIR模型评估实验结果表明,综合评估指标值最大的个体发起的传播能在较短的传播时间内达到最大的范围。【局限】数据来源不够广泛,可能导致研究偏差。【结论】所构建的综合评估指标能够更为准确地度量网络中每个个体的信任水平。(本文来源于《数据分析与知识发现》期刊2018年07期）
用户信任度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
社会的不断进步推动着网络和计算机技术的发展,从目前的社会现状来看,各大网络运营平台都将关注热点和工作重点转移至用户之间信任关系的充分挖掘之中。基于此,本文提出以用户信息为评价指标促进用户信任度评价模型建立的方法,并在模型的构建过程中应用层次分析法,在最大程度上解决多指标权重设定中人为主观因素多方干扰的问题,希望能对行业的整体发展起到一定的借鉴和促进作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
用户信任度论文参考文献
[1].周迪.基于用户时间和信任度的协同过滤算法研究[D].新疆大学.2019
[2].孔庆波.网络用户信任度评价模型中层次分析法的应用[J].计算机产品与流通.2019
[3].邓小燕,张晓彬.基于改进加权二部图和用户信任度的协同过滤推荐算法[J].计算机系统应用.2019
[4].郑师应.基于结构方程和演化博弈的滴滴出行平台用户信任度分析[D].北京邮电大学.2019
[5].徐婷.融合时空信息和用户信任度的推荐算法研究与应用[D].中国矿业大学.2019
[6].周娅,柴旺,韩君阳,张国梁.基于用户综合信任度与社区信任传播的推荐算法[J].计算机工程.2018
[7].李梦洁.基于信任度评估的社交网络用户相似性研究[D].南京邮电大学.2018
[8].赵明,闫寒,曹高峰,刘昕鸿.融合用户信任度和相似度的基于核心用户抽取的鲁棒性推荐算法[J].电子与信息学报.2019
[9].王森.基于用户心理搭建无人驾驶信任度的研究[J].信息与电脑(理论版).2018
[10].景东,张大勇.社交媒体环境下用户信任度评估与传播影响力研究[J].数据分析与知识发现.2018