基于個(gè)體化信任的社交推薦算法研究.pdf

1、伴隨著社交網(wǎng)絡(luò)的飛速發(fā)展，社交推薦算法得到越來(lái)越多的關(guān)注和研究，這些算法都是基于一個(gè)共同的假設(shè)，即具有社交關(guān)系特別是信任關(guān)系的用戶之間具有相似的興趣愛(ài)好。但是，以往的基于信任的社交推薦算法并沒(méi)有全面的考慮社交信任關(guān)系對(duì)推薦的影響，因而在一定程度上影響了推薦的質(zhì)量。
　　本文首先對(duì)傳統(tǒng)的協(xié)同過(guò)濾算法和基于信任的社交推薦算法做了深入的研究，在此基礎(chǔ)上提出了一種基于個(gè)體化信任關(guān)系的社交推薦模型SRIT(SocialRecommendat

2、ionbasedonIndividualTrust)。該模型在訓(xùn)練階段對(duì)用戶-物品評(píng)分矩陣進(jìn)行矩陣因式分解得到用戶的潛在特征向量，并且在矩陣因式分解過(guò)程中個(gè)體化地考慮了用戶每一個(gè)信任好友的潛在特征向量對(duì)用戶的潛在特征向量的影響，即影響程度隨著用戶對(duì)好友信任度的變化而變化，最終在預(yù)測(cè)用戶對(duì)物品的評(píng)分階段，不僅要考慮用戶自身的偏好，還要考慮用戶所有信任好友的偏好。本文在公開(kāi)的Epinions數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)分析，結(jié)果表明在稀疏性很強(qiáng)的Epi