融合不信任信息的社会化推荐模型研究

融合不信任信息的社会化推荐模型研究

ID:35096817

大小:2.48 MB

页数:50页

时间:2019-03-17

融合不信任信息的社会化推荐模型研究_第1页
融合不信任信息的社会化推荐模型研究_第2页
融合不信任信息的社会化推荐模型研究_第3页
融合不信任信息的社会化推荐模型研究_第4页
融合不信任信息的社会化推荐模型研究_第5页
资源描述:

《融合不信任信息的社会化推荐模型研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类“显示文本号:TP”不能横跨多行182!单位代码:10183研究生学号:2013532030密级:公开吉林大学硕士学位论文融合不信任信息的社会化推荐模型研究ImprovingSocialRecommendationbyFusingDistrustInformation作者姓名:白天晟专业:计算机软件与理论研究方向:数据挖掘指导教师:杨博教授培养单位:计算机科学与技术学院2016年4月未经本论文作者的书面授权,依法收存和保管本论文书面版本、电子版本的任何单位和个人,巧不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者

2、著作权的商业性使用(但纯学术性使用不在此限。)。否则,应承担侵权的法律责任吉林大学硕±学位论文原创性声明呈交的硕±学位论文,是本人在指导教师的本人郑重声明:所立进行研究工作所取得的成果。除文中己经注明引用的内指导下,独容外,本论文不包含任何其他个人或集体己经发表或撰写过的作品成果,均己在文中明确方。对本文的研巧做出重要贡献的个人和集体由本人承担。式标明。本人完全意识到本声明的法律结果学位论文作者签名:才日期:2016年5月融合不信任信息的社会化推荐模型研究ImprovingSocialRecommendationbyFu

3、singDistrustInformation作者姓名:白天晟专业名称:计算机软件与理论指导教师:杨博教授学位类别:工学硕士答辩日期:2016年月日摘要融合不信任信息的社会化推荐模型研究随着互联网技术的蓬勃发展,推荐系统的应用越来越广泛。推荐算法作为推荐系统的核心部件,决定着用户所能获得推荐商品的种类,其性能的优劣直接影响着用户的消费体验和商家的经济效益。虽然传统的协同过滤算法在推荐系统中广泛地被使用,但实际推荐应用中主要面临着冷启动和稀疏性问题。随着社会网络的发展,已有工作多尝试利用用户的社会关系来挖掘用户潜在的兴趣偏好,从而避免以上问题更好地为用户提供推荐

4、服务。然而,绝大多数已有工作在挖掘用户兴趣偏好时只考虑了社会网络中用户之间存在的积极因素,即:信任关系,忽略了用户之间的消极因素,即:非信任关系。针对上述问题,本文提出了一种融合信任与非信任关系的新型社会化推荐模型。该模型以传统的协同过滤为基础综合考虑用户间的信任关系和非信任关系来计算用户项目评分矩阵。具体而言,算法通过矩阵分解方法,使用用户对项目的评分和用户间的信任关系初步计算出用户的兴趣偏好。然后,通过正则项方法,使用用户间的非信任关系进行约束,提升推荐的精度。在社会化推荐系统中,为用户推荐朋友和推荐项目显得同等重要。现有的工作经常分开来考虑这两项任务,而

5、对于推荐朋友这一任务来说可以看成是符号预测问题的一个体现,而现有的一些符号预测方法都仅仅考虑了用户间社会关系这一个单一的结构信息。本文提出了一个新的模型协同地解决推荐朋友和推荐项目这两个任务,通过耦合低秩近似的方法同时融合用户项目评分信息,用户间信任关系和不信任关系这三种稀疏数据源。这两项任务分开来做都会由于数据的稀疏性而使得预测精度下降,而通过本文的耦合低秩近似模型可以提升各自的预测精度。通过在三个真实数据集上进行实验验证,结果表明本文所提出的两个模型效果更加优异,在实验上证明了本文的理论模型。关键词:协同过滤,社会化推荐,耦合低秩近似,符号预测,社交网络分

6、析IAbstractImprovingSocialRecommendationbyFusingDistrustInformationWiththerapiddevelopmentofInternet,applicationsofrecommendersystemsarebeingwidelyused.Asthecorecomponentofrecommendationsystem,recommendationalgorithmdeterminesthetypesofrecommendedgoodsofobtainingoftheusers.Theperform

7、anceoftherecommendationalgorithmdirectlyaffectstheconsumptionexperienceoftheusersandeconomicbenefitsofthebusiness.TraditionalCollaborativeFilteringhasbeenoneofthemostwidelyusedrecommendationalgorithms,unfortunatelyitsuffersfromcold-startanddatasparsityproblems.Withthedevelopmentofso

8、cialnetworks,morere

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。