基于信任擴散機制的推薦系統(tǒng)研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)經(jīng)濟的異軍突起，推薦系統(tǒng)的作用日益凸顯，并成為研究熱點之一。推薦系統(tǒng)通過研究用戶的興趣偏好和信息需求特征，將用戶感興趣的信息、產(chǎn)品等資源主動、智能地推送給用戶，其優(yōu)勢相當明顯:為用戶節(jié)省大量搜尋時間的同時，也為商家?guī)砹诵碌睦麧櫾鲩L點。因此推薦系統(tǒng)被廣泛關(guān)注，而且在理論和實踐方面都得到了很大發(fā)展。然而，網(wǎng)絡的迅速發(fā)展帶來了網(wǎng)上信息量的大幅增長，使得傳統(tǒng)的推薦系統(tǒng)根本無法滿足用戶的需求，在應用的過程中存在著冷啟動、數(shù)據(jù)稀

2、疏及擴展性等關(guān)鍵問題。
　　在Internet飛速發(fā)展的形勢下，基于信任的個性化推薦系統(tǒng)由于在傳統(tǒng)的協(xié)同過濾推薦中引入了信任的機制，能夠有效克服以上缺陷，提升推薦系統(tǒng)的性能，因此成為目前推薦系統(tǒng)研究的重要課題之一。然而，基于信任的推薦仍然幾個問題:其一，信任網(wǎng)絡的稀疏性。在推薦系統(tǒng)中，用戶的數(shù)量往往是非常巨大的，而在系統(tǒng)實際的推薦過程中，用戶之間直接交互的機會很小，因此這些有限的交易次數(shù)中所建立的直接信任關(guān)系也是很少的，與目標用戶

3、直接相關(guān)聯(lián)的用戶也相對很少，直接信任關(guān)系在推薦過程中能夠起到的作用也是很小。很多基于信任的推薦算法僅僅利用了信任網(wǎng)絡中的直接信任關(guān)系，沒有考慮間接信任關(guān)系。其二，信任關(guān)系網(wǎng)絡的動態(tài)性。在信任網(wǎng)絡中，用戶之間的信任關(guān)系并不是靜態(tài)的或一成不變的，而是會隨著時間或其他的事件發(fā)生動態(tài)的變化，信任關(guān)系的變化可能會導致推薦結(jié)果發(fā)生變化。因此，考慮動態(tài)信任網(wǎng)絡對推薦過程的影響也是一個重要的研究方向。其三，推薦系統(tǒng)與信任模型的集成問題。大多數(shù)推薦算法是

4、基于傳統(tǒng)的概率矩陣分解模型，通過共享一個潛在的低維用戶特征矩陣，去融合用戶-項目矩陣與用戶之間的社會關(guān)系，這種方法能學習到的有效特征很少，不能真實反應現(xiàn)實生活中的推薦過程。
　　本文鑒于信任網(wǎng)絡的特點及其在推薦過程中產(chǎn)生的問題展開研究，并在已有的研究基礎上，提出一種基于信任擴散機制的推薦算法(DiffTrust+RSTE)。本文的貢獻如下:
　　(1)我們根據(jù)經(jīng)濟學中的擴散理論思想，把信任看成一個動態(tài)的過程，即信任會隨著時間

5、和交互情境的變化而變化，同時考慮了時間、空間異構(gòu)特征及遺忘因子等因素，在此基礎上，設計了一種新的適合協(xié)同過濾推薦系統(tǒng)的信任擴散模型(DiffTrust)。該模型充分利用用戶之間的直接信任關(guān)系，基于一定的信任傳播規(guī)則，推導出用戶之間的間接信任關(guān)系。
　　(2)把經(jīng)過信任擴散后挖掘出來的更多信任信息融入到基于矩陣分解的協(xié)同過濾推薦模型（RSTE）中。DiffTrust+RSTE方法的特點是:一方面，通過DiffTrust模型為當前用戶

6、匹配到更多的信任用戶，充分挖掘出更多新的用戶之間的信任關(guān)系并用于推薦服務，完美解決了信任網(wǎng)絡的稀疏性問題;另一方面，考慮到用戶的最終購買決定受到兩個因素的影響:用戶自己對商品項目的喜歡程度和用戶所信任朋友的推薦，并通過一組參數(shù)將這兩個因素結(jié)合起來，這個考慮能夠真正體現(xiàn)現(xiàn)實生活中的推薦過程。
　　(3)我們利用三個研究數(shù)據(jù)（Epinions、Flixster、Douban）對本文提出的DiffTrust+RSTE算法進行了實驗驗證和