论文部分内容阅读
随着电子商务的发展，电子商务系统所包含的商品信息越来越多，给电子商务系统的用户带来了所谓的“信息过载”问题，即用户需要过滤掉越来越多的无关内容才能找到自己感兴趣的商品。因此，能够发现用户兴趣并自动为用户提供商品建议的推荐系统已成为当前的研究热点之一。然而，社会化媒体的快速发展，使得电子商务系统正在从以信息发布为导向的传统商品交易平台，转向以用户参与为中心的社会化商务平台。在这个过程中，电子商务系统中的用户兴趣出现了新的特性，给电子商务推荐系统带来了一些新的问题和挑战:1)电子商务系统中的商品信息来源复杂，往往存在着不可信的信息;2）电子商务推荐系统的用户兴趣分析面临着数据稀疏性问题和冷启动问题;3）电子商务系统中的上下文信息具有复杂、多样和冗余的特点，导致电子商务推荐系统在用户兴趣分析中考虑上下文信息的影响存在着困难。 针对上述问题，本文在分析电子商务推荐系统基本结构的基础上，主要从当前电子商务系统中用户兴趣的特点出发，提出了面向电子商务的可信推荐系统的建设需求，并围绕保障商品信息可信和发现用户兴趣等两个方面展开了研究，主要工作和贡献如下: (1)针对当前电子商务系统在商品信息可信度评估和用户兴趣分析方面存在的问题，对电子商务推荐系统和用户兴趣的特点分别进行了分析，并在此基础上提出了一个面向电子商务的可信推荐系统框架。该框架从尽可能保障信息可信度和尽可能发现用户感兴趣的商品等两个基本建设需求出发，提出了面向电子商务的可信推荐系统的三种重要关键技术:商品信息可信度评估模型、基于信任网络和主题关联的用户兴趣分析方法、以及基于上下文感知的用户兴趣分析方法。与传统推荐系统相比，电子商务可信推荐系统不仅考虑了用户兴趣的分析，也考虑了推荐结果的信息可信性。同时，该框架也具有良好的适用性和可移植性。 (2)针对当前电子商务系统的信任管理体系在商品信息可信度评估方面的欠缺，提出了一种基于冲突数据判定的商品信息可信度评估模型。现有的电子商务系统通常都具有针对商品、用户和商品提供者的信任评估机制，然而却没有针对商品信息可信度的评估机制。本文从冲突数据判定入手，提出一种基于全局可信度和本地可信度结合的商品信息可信度评估模型。通过数据源与数据项之间的关系迭代计算本地可信度;并通过数据源信任网络的构建计算全局可信度。最后通过本地可信度和全局可信度的综合分析，实现电子商务系统中商品信息的可信度评估。研究结果表明，该模型在电子商务系统的商品信息可信度评估方面具有较高的准确率。 (3)针对电子商务推荐系统面临的稀疏性问题和冷启动问题，从用户兴趣受信任关系影响的特点出发，提出了一种基于信任网络和主题关联的用户兴趣分析方法。该方法采用信誉对用户在信任传递过程中的影响力进行加权分析，通过信任传递推导用户间的信任关系，在此基础上通过信任网络推导用户兴趣。与此同时，该方法从主题级别进行用户兴趣发现，并通过主题关联对用户兴趣进行扩展。对比实验结果表明，该方法不仅具有较小的用户兴趣预测误差，同时保持了较好的覆盖率，在F1指标方面也优于对比方法。 (4)针对电子商务系统中的用户兴趣受上下文信息影响的特点，提出了一种基于上下文感知的用户兴趣分析方法。针对电子商务系统中上下文信息的多样性、复杂性和冗余性，将上下文分为离散上下文和连续上下文，首先对与用户兴趣无关的上下文进行过滤，然后采用本体技术根据离散上下文对数据进行分类，采用高斯混合聚类技术根据连续上下文对数据进行聚类，从而实现基于数据预过滤的上下文感知。随后提出了一种信任辅助的概率矩阵分解模型，对用户兴趣进行分析。该方法不仅考虑了上下文信息对用户兴趣的影响，而且提供了对上下文信息的良好管理机制，在对比实验中表现出了较高的准确度。