电子商务中基于信任的推荐算法研究

论文摘要

随着互联网中新应用新技术的不断出现,电子商务面临着新的机遇和挑战。电子商务对推荐技术有着特定的要求,主要集中在三个方面：社会推荐机制、个性化推荐以及鲁棒性问题。而传统的推荐技术在这些问题上已经遇到了瓶颈。为了更好地面对这些问题,将信任引入推荐系统是一种很有效的方法。如何定性以及定量信任是本文研究的重点。目前,基于信任的推荐系统研究主要关注于信任的传播以及信任的表示,而忽略了信任如何产生的问题,研究中使用的信任度都需要用户的主动提交。本文结合以往的研究经验,提出了引入社区发现的方法,主动找到用户的信任评价。具体的做法是,通过分析信任前因,根据相似度和熟悉程度来判断用户之间的信任关系。这种方法不需要用户主动地给其他用户的信任评分,而是通过对用户间社交信息的挖掘找到信任度。在推荐系统中,用户模型的构建是关键,很多算法都是基于用户模型展开的。本文提出用户个人模型和社区模型相结合的方式构建用户模型。采用基于信息流的方式,通过社交信息建立用户模型,用户的社区模型更好地反映了他的活动范围,结合信任前因的论述,这样的用户模型能更好地反映用户之间的信任关系。通过用户模型找到用户之间的信任度,计算全局信任和局部信任度,之后通过信任度找到用户的邻居。本文提出了一种用户个人模型的更新算法,通过引入时间因子到主题词权值的计算中,淘汰更新主题词,以达到自适应用户兴趣的目的。实验结果表明,由于本系统不需要用户的主动评分,所以很好地解决了协同过滤算法中数据稀松以及冷启动的问题。不管是准确性方面还是抗攻击方面,相较于传统的协同过滤系统都有改进。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景
• 1.2 课题研究意义
• 1.3 国内外研究现状
• 1.3.1 个性化推荐技术
• 1.3.2 用户信任模型
• 1.4 本文主要工作和组织结构
• 第2章 电子商务推荐算法与信任模型
• 2.1 电子商务推荐算法
• 2.1.1 推荐系统简述
• 2.1.2 基于内容的推荐算法
• 2.1.3 基于协同过滤的推荐算法
• 2.1.4 基于规则的推荐算法
• 2.2 电子商务推荐技术
• 2.2.1 主要技术问题
• 2.2.2 基于社区发现的推荐技术
• 2.2.3 网络应用心理学
• 2.3 信任评估模型
• 2.3.1 信任
• 2.3.2 全局信任度评估模型
• 2.3.3 局部信任度评估模型
• 2.4 用户建模
• 2.5 本章小结
• 第3章 社区化用户模型构建
• 3.1 社区化的用户模型
• 3.2 用户个人模型构建
• 3.3 用户社区模型构建
• 3.3.1 社会网络构建
• 3.3.2 社区发现
• 3.3.3 模型更新算法
• 3.4 本章小结
• 第4章 信任的表示以及信任的评估
• 4.1 信任的表示方式
• 4.1.1 信任前因
• 4.1.2 信任网
• 4.2 用户信任度获取
• 4.2.1 PageRank和加权的PageRank
• 4.2.2 社区网络中边方向以及权重的判断
• 4.2.3 信任度计算
• 4.3 实验结果与分析
• 4.4 本章小结
• 第5章 基于信任的个性化推荐
• 5.1 基于信任的电子商务推荐模型
• 5.2 基于信任的电子商务推荐框架结构
• 5.2.1 系统结构
• 5.2.2 系统拓扑结构
• 5.3 实验数据集和评估指标
• 5.4 实验结果与分析
• 5.4.1 系统准确性测试
• 5.4.2 鲁棒性测试
• 5.5 本章小结
• 结论与展望
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文目录