TT-SVD：基于双向稀疏信任的推荐模型研究
这是一篇关于卡兹指标,信任传递,推荐系统,奇异值分解模型,双向信任的论文, 主要内容为将机器学习应用到推荐系统,可以使数据快速获取并转变为至关重要的决策。但是,当前的研究工作仍有一些挑战性问题需要进一步解决。例如,传统的推荐算法中缺少足够有用的数据,大大降低了效率,甚至会严重影响到推荐精度。事实上,推荐系统一直面临这样的稀疏数据问题,解决方案之一是引入信任信息。但是,信任信息本身也可能存在稀疏性问题,即所谓的稀疏信任问题。本文提出了一个在可传递信任网络中具有双向稀疏信任的推荐模型,称为TT-SVD模型。该模型既考虑了信任传递的影响,又考虑了双向信任的作用,因此可以有效地缓解上述提到的稀疏信任问题,并能够解决冷启动和数据稀疏性问题。具体来说,首先将初始的稀疏信任信息通过改进的卡兹指标计算出传递后的信任信息,将其与初始稀疏信任相结合,并应用于未知评分预测。在此基础上,提出了一种基于双向稀疏信任的推荐模型(TT-SVD)用于预测评分的推荐任务,该模型通过分解信任方向,根据不同信任方向稀疏信任的作用,分别提出了考虑施信者影响的Trustee SVD模型和考虑受信者影响的TrustorSVD模型,最后将两个模型的结果通过权重统一在一起,得到TT-SVD模型。我们在三个真实世界数据集上计算信任传递,验证传递后的稀疏信任信息的密度是否得到提高,并将传递后的信任信息和未传递的稀疏信任信息作为对比数据集,在“所有用户”和“冷启动用户”的用户群体中分别进行实验。为此我们选取了七种先进的推荐模型进行对比实验。实验结果表明,在“所有用户”和“冷启动用户”的用户群体中,我们的模型都优于SVD++和SSL-SVD等最新技术,模型预测精准度的提升最高可达到29.87%。通过引入双向稀疏信任和信任传递,本文提出的模型可以有效地解决推荐质量不佳的问题,从而提高了推荐系统的效率。
融入信任的兴趣点推荐研究
这是一篇关于兴趣点推荐,基于位置的社交网络,信任,信任传递,信任后过滤的论文, 主要内容为随着位置社交网络的快速发展,海量的用户行为信息得以积累。在此背景下,如何准确地帮助用户在海量信息中找到感兴趣的位置点、减少用户决策时间是学术界和工业界亟待解决的问题,兴趣点推荐系统应运而生。其中,兴趣点推荐系统的一个重要目标是用户行为的刻画。然而,现有兴趣点推荐方法往往通过用户对兴趣点的偏好刻画用户行为,导致推荐效果不如预期。用户对兴趣点的信任反映了用户对兴趣点的兴趣及认可,影响兴趣点推荐系统刻画用户行为。因此,本文引入了位置社交网络中用户与兴趣点间的信任计算,提出并研究融入信任的兴趣点推荐方法。本文的主要工作如下:(1)提出了获取用户与兴趣点间信任的方法。基于信任传递的原理,利用用户在位置社交网络中的行为信息挖掘用户与兴趣点间的信任关系,构建用户与兴趣点间的信任。(2)研究了信任融入推荐过程的方式。按照将信任融入到兴趣点推荐过程中的阶段划分,从预过滤、后过滤及建模三个角度对信任融入方式进行比较分析,为研究融入信任兴趣点推荐过程提供了新的思路。(3)实现了融入信任的兴趣点推荐信任后过滤方法。基于信任后过滤的原理,利用用户与兴趣点间的信任,对基于用户签到行为的兴趣点预测评级进行优化调整,得到既满足用户与兴趣点偏好,也满足用户与兴趣点间信任的推荐结果。(4)采用Gowalla数据集进行实证研究,并选取准确率、召回率和F值作为衡量推荐效果的指标。研究获取推荐方法的最优参数,对多组对比实验进行综合分析,衡量本文提出的方法的效果。研究表明,本文提出的获取用户与兴趣点间信任的方法可以比较准确的刻画用户与兴趣点间的信任行为,并且,融入信任的兴趣点推荐信任后过滤方法的推荐效果优于基于用户签到行为的兴趣点推荐方法。本文的研究结果对于改善兴趣点推荐效果的相关研究具有重要的理论和实践意义。
动态模糊信任关系及其社会化商务推荐应用研究
这是一篇关于动态模糊信任,信任传递,信任集成,社会化商务推荐的论文, 主要内容为基于社会化媒体的社会化电子商务成为目前电子商务发展的新趋势。社会化商务由于线上线下不对等容易产生高风险感知性,使得用户面对海量信息存在选择困难。传统推荐算法面对数据稀疏性和冷启动等问题,又难以进一步提升推荐效果。因此,考虑利用社会化数据,将社会网络尤其是信任网络融入个性化推荐,基于信任的社会化商务推荐可以有效提升推荐效果从而提高电子商务活动效率。本文提出了考虑时间因素的动态信任传递和信任集成的间接信任计算方法,并将动态信任计算方法与推荐系统结合,提出了基于动态信任的社会化商务推荐模型。最后利用豆瓣平台的实际数据验证了模型的有效性。首先,针对考虑时间因素的信任传递问题,论文引入考虑时间戳的模糊信任数据,结合时间衰减函数和折现函数处理信任的时间属性,并优化信任传递算子,设计了一个更加符合信任衰减速度以及满足信任有界性的传递算子。新的信任传递算子在长信任链的传递中具有更好的计算一致性。然后,针对考虑时间因素的信任集成问题,论文总结了经典集成算子的主要分类和应用场景,梳理合取析取类和平均类集成算子中拓展至直觉模糊数据常用的集成方法。通过选取合适的直觉模糊集成算子并结合信任集成路径的特性,提出了考虑路径长度、路径强度、信息可靠性和时间衰减四种不同因素的基于IFWA的单因素信任集成方法,以及综合单因素的基于IFHWA和IFOWOWA的双因素和多因素信任集成方法。接着,针对动态信任与推荐系统相结合的问题,论文定义了在社会化商务场景下,隐式信任度和用户相似度的多种计算方式,并分析了信任度和相似度的相同点和不同点,通过调和信任度与相似度构建完善的用户关系。结合本文提出的新的考虑时间因素的动态间接信任计算过程以及协同过滤推荐,提出了基于动态信任的社会化商务推荐全过程模型。最后,针对基于动态信任的社会化商务推荐模型的应用问题,本文结合豆瓣的实际数据展开应用。论文介绍了豆瓣平台的社会化商务特点,根据模型需要选取数据指标,编写爬虫进行数据抓取,对数据进行处理和初步的统计分析。利用matlab对基于动态信任的社会化商务推荐模型编程运算,得到最终推荐结果。并将其与传统协同过滤推荐和基于静态信任的社会化商务推荐结果进行分析对比,证实了模型的可操作性、有效性和优势,为豆瓣平台借助社会化商务推荐加速商业化过程提供建议。
动态模糊信任关系及其社会化商务推荐应用研究
这是一篇关于动态模糊信任,信任传递,信任集成,社会化商务推荐的论文, 主要内容为基于社会化媒体的社会化电子商务成为目前电子商务发展的新趋势。社会化商务由于线上线下不对等容易产生高风险感知性,使得用户面对海量信息存在选择困难。传统推荐算法面对数据稀疏性和冷启动等问题,又难以进一步提升推荐效果。因此,考虑利用社会化数据,将社会网络尤其是信任网络融入个性化推荐,基于信任的社会化商务推荐可以有效提升推荐效果从而提高电子商务活动效率。本文提出了考虑时间因素的动态信任传递和信任集成的间接信任计算方法,并将动态信任计算方法与推荐系统结合,提出了基于动态信任的社会化商务推荐模型。最后利用豆瓣平台的实际数据验证了模型的有效性。首先,针对考虑时间因素的信任传递问题,论文引入考虑时间戳的模糊信任数据,结合时间衰减函数和折现函数处理信任的时间属性,并优化信任传递算子,设计了一个更加符合信任衰减速度以及满足信任有界性的传递算子。新的信任传递算子在长信任链的传递中具有更好的计算一致性。然后,针对考虑时间因素的信任集成问题,论文总结了经典集成算子的主要分类和应用场景,梳理合取析取类和平均类集成算子中拓展至直觉模糊数据常用的集成方法。通过选取合适的直觉模糊集成算子并结合信任集成路径的特性,提出了考虑路径长度、路径强度、信息可靠性和时间衰减四种不同因素的基于IFWA的单因素信任集成方法,以及综合单因素的基于IFHWA和IFOWOWA的双因素和多因素信任集成方法。接着,针对动态信任与推荐系统相结合的问题,论文定义了在社会化商务场景下,隐式信任度和用户相似度的多种计算方式,并分析了信任度和相似度的相同点和不同点,通过调和信任度与相似度构建完善的用户关系。结合本文提出的新的考虑时间因素的动态间接信任计算过程以及协同过滤推荐,提出了基于动态信任的社会化商务推荐全过程模型。最后,针对基于动态信任的社会化商务推荐模型的应用问题,本文结合豆瓣的实际数据展开应用。论文介绍了豆瓣平台的社会化商务特点,根据模型需要选取数据指标,编写爬虫进行数据抓取,对数据进行处理和初步的统计分析。利用matlab对基于动态信任的社会化商务推荐模型编程运算,得到最终推荐结果。并将其与传统协同过滤推荐和基于静态信任的社会化商务推荐结果进行分析对比,证实了模型的可操作性、有效性和优势,为豆瓣平台借助社会化商务推荐加速商业化过程提供建议。
动态模糊信任关系及其社会化商务推荐应用研究
这是一篇关于动态模糊信任,信任传递,信任集成,社会化商务推荐的论文, 主要内容为基于社会化媒体的社会化电子商务成为目前电子商务发展的新趋势。社会化商务由于线上线下不对等容易产生高风险感知性,使得用户面对海量信息存在选择困难。传统推荐算法面对数据稀疏性和冷启动等问题,又难以进一步提升推荐效果。因此,考虑利用社会化数据,将社会网络尤其是信任网络融入个性化推荐,基于信任的社会化商务推荐可以有效提升推荐效果从而提高电子商务活动效率。本文提出了考虑时间因素的动态信任传递和信任集成的间接信任计算方法,并将动态信任计算方法与推荐系统结合,提出了基于动态信任的社会化商务推荐模型。最后利用豆瓣平台的实际数据验证了模型的有效性。首先,针对考虑时间因素的信任传递问题,论文引入考虑时间戳的模糊信任数据,结合时间衰减函数和折现函数处理信任的时间属性,并优化信任传递算子,设计了一个更加符合信任衰减速度以及满足信任有界性的传递算子。新的信任传递算子在长信任链的传递中具有更好的计算一致性。然后,针对考虑时间因素的信任集成问题,论文总结了经典集成算子的主要分类和应用场景,梳理合取析取类和平均类集成算子中拓展至直觉模糊数据常用的集成方法。通过选取合适的直觉模糊集成算子并结合信任集成路径的特性,提出了考虑路径长度、路径强度、信息可靠性和时间衰减四种不同因素的基于IFWA的单因素信任集成方法,以及综合单因素的基于IFHWA和IFOWOWA的双因素和多因素信任集成方法。接着,针对动态信任与推荐系统相结合的问题,论文定义了在社会化商务场景下,隐式信任度和用户相似度的多种计算方式,并分析了信任度和相似度的相同点和不同点,通过调和信任度与相似度构建完善的用户关系。结合本文提出的新的考虑时间因素的动态间接信任计算过程以及协同过滤推荐,提出了基于动态信任的社会化商务推荐全过程模型。最后,针对基于动态信任的社会化商务推荐模型的应用问题,本文结合豆瓣的实际数据展开应用。论文介绍了豆瓣平台的社会化商务特点,根据模型需要选取数据指标,编写爬虫进行数据抓取,对数据进行处理和初步的统计分析。利用matlab对基于动态信任的社会化商务推荐模型编程运算,得到最终推荐结果。并将其与传统协同过滤推荐和基于静态信任的社会化商务推荐结果进行分析对比,证实了模型的可操作性、有效性和优势,为豆瓣平台借助社会化商务推荐加速商业化过程提供建议。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设项目助手 ，原文地址：https://bishedaima.com/lunwen/56347.html
