電子商務中基于信任關系的商品推薦方法.pdf

1、近年來，隨著互聯(lián)網的迅速發(fā)展，網絡信息的數量和規(guī)?？涨案邼q。一方面，人們能夠更加容易地接觸到各種各樣的信息;另一方面，信息過載問題也變得越來越嚴重。研究人員和工程師們已經提出了許多的方法和技術來解決信息過載問題，其中，推薦系統(tǒng)被譽為最流行和最有效的工具之一。推薦系統(tǒng)發(fā)展至今，已經成功地應用到了許多領域。電子商務正是推薦系統(tǒng)的重要的應用領域之一。在電子商務領域中，與日俱增的用戶和商品數量，海量的有用或無用的信息，使用戶越來越難以找到感興趣

2、的信息。電子商務推薦系統(tǒng)，能夠從歷史數據中分析用戶的行為模式，預測用戶的喜好，是解決這一研究課題的重要途徑。通過電子商務推薦系統(tǒng)，一方面，用戶能夠獲得個性化的服務和體驗，另一方面，網站也能夠獲得更多的銷售量和利潤。
　　然而，電子商務推薦系統(tǒng)仍然面臨一些重要的困難與挑戰(zhàn)，如數據稀疏性問題、冷啟動問題和多樣性推薦問題，這些問題的存在嚴重限制了電子商務的發(fā)展。為了解決以上三個問題，本文圍繞現有方法無法適用的場景以及他們忽略的信任關系的

3、特性和多樣性指標，結合電子商務應用領域的特定環(huán)境即電子商務中商品類別的多樣性，研究面向電子商務的基于信任關系的商品推薦。本文的主要工作如下:
　　第一，為了解決單個領域上的推薦面臨的數據稀疏性問題和冷啟動問題，提出了基于商品關系挖掘的交叉領域推薦方法。針對既無公共用戶又無公共商品的交叉領域環(huán)境，利用信任信息、源領域的評分信息和目標領域的評分信息，通過構造基于交叉領域的商品表示形式建立了交叉領域的商品之間的關聯(lián)?；诮徊骖I域的商品表

4、示計算交叉領域的商品之間的相似度，并將源領域的知識即評分遷移到目標領域，得到了源領域用戶對目標領域商品的更為精確的預測評分?；谡鎸崝祿系膶嶒灲Y果表明，該推薦方法能夠有效地建立交叉領域的關聯(lián)，并利用建立的關聯(lián)改進推薦的性能，解決數據稀疏性問題和冷啟動問題。
　　第二，為了解決基于無領域區(qū)分的信任關系的推薦中存在的數據稀疏性問題，提出了基于特定領域信任關系的矩陣分解推薦方法。針對用戶興趣領域的多樣化以及用戶在不同領域的信任行為不

5、同這一事實，通過劃分用戶的興趣領域，基于直接信任關系和間接信任關系構造了特定領域的信任網絡。通過融合特定領域的直接和間接信任關系所表示的用戶之間的相似度，構造了基于信任信息和評分信息的矩陣分解模型。通過該模型學習用戶特征和商品特征得到精確的預測評分?；谡鎸崝祿系膶嶒灲Y果表明，該推薦方法能夠有效地利用特定領域的信任行為改進推薦的性能，解決數據稀疏性問題。
　　第三，為了解決基于顯式和隱式用戶關系的推薦中存在的數據稀疏性問題，提

6、出了基于同角色用戶間隱式關系挖掘的協(xié)同過濾推薦方法。通過分析信任網絡中信任者之間的共生關系和被信任者之間的共生關系，建立了同角色用戶之間的關聯(lián)。通過采用相關聯(lián)的同角色用戶表示每個用戶以及比較他們的向量形式，得到了更為精確的隱式用戶之間的相似度。通過融合同角色隱式用戶之間的隱式關系到協(xié)同過濾技術當中，生成了更加精確的預測評分。基于真實數據集上的實驗結果表明，該推薦方法能夠有效地利用挖掘出的同角色用戶之間的隱式關系改進推薦的性能，解決數據稀

7、疏性問題。
　　第四，為了提高推薦結果的多樣性來滿足電子商務網站的利潤需求，提出了基于信任關系和重排名策略的商品推薦方法?；谛湃侮P系的建立時間和多樣性推薦之間的關聯(lián)，通過加權不同時間建立的信任關系，提高了推薦結果的多樣性。基于商品的流行度與多樣性推薦之間的關聯(lián)，采用無條件重排名和有條件重排名策略提高候選商品集中低流行度商品的排名生成新的推薦列表，進一步提高了推薦結果的多樣性?；谡鎸崝祿系膶嶒灲Y果表明，該推薦方法能夠有效地利