论文部分内容阅读
随着时代的变迁,人们的日常生活已经无法脱离网络,用户的生活变得更加便利,获得知识的途径更加多样化,购物也变得省时省力。然而,网络中随之而来的呈指数增长的信息导致的“信息过载”使得用户无法从众多信息中选择自己感兴趣的内容,增加了用户体验的时间。因此,用于筛选信息的推荐系统得以产生。推荐技术的出现大大减少了用户查找信息的时间,并且提供给用户更好的项目体验。基于信任网络的推荐方法主要依靠用户之间的信任关系与用户兴趣之间的关联性来进行推荐,但是用户之间的信任数据是稀疏的,推荐系统的覆盖率较低。本文围绕用户的评论行为研究如何改善推荐系统中存在的用户—项目评分矩阵稀疏、用户信任矩阵稀疏、团体用户的共谋推荐和新用户的推荐问题。本文依据社会网络中信任用户之间具有相似兴趣的特性,将用户的信任作为预测评分的权重,结合用户对项目的评分,从而有效提高推荐的准确率。用户评分的动机来源于用户的利益倾向,只有通过评分获得了更多的利益时才会选择评分的策略,因此本文提出促使用户理性积极评分的激励策略。本文主要工作如下:1.提出了改进的基于信任网络的推荐方法。本文通过对原有基于信任的推荐中信任网络构建方法的研究,从不同用户对同一项目评论标准不一致的观点出发,构建信任模型。本文信任模型包括用户设定信任用户所形成的显性信任和通过用户评分构建的隐性信任,将两种信任结合得到用户的信任矩阵,并根据用户的信任矩阵构建用户的反馈信任。本文利用Epinion数据对提出的信任模型的预测评分进行预测准确率和覆盖率仿真实验。实验表明,与基于显性信任的推荐模型和原始的基于信任的推荐模型相比,本文构建的信任模型在一定条件下对评分预测的准确率有所提高。2.提出用户评分的激励策略。研究用户选择项目评价的动机,构建用户的激励函数。根据其他信任用户关于项目的评分设计用户评分的固定激励,并根据用户推荐后得到的反馈信任构建用户推荐的动态激励,将两部分激励函数相结合作为激励用户评分的激励函数。最后,基于博弈论的原理,分析在无激励函数和给与用户激励函数的不同前提下,不同属性的用户选择评论行为的概率。分析表明,随着时间的推移,给与激励函数的策略与无激励函数的策略相比,用户为了获得更多的利益,倾向于选择评论策略,而对于共谋属性的用户参与评分后,用户无法获得最大的利益,随着时间的推移用户不得不选择不评分策略。因此,激励函数能够促进网络中用户评分,从而得到更多的项目评分。3.提出了基于权威用户的新用户的推荐方法,将收益最大的用户作为权威用户,将权威用户评分高的项目作为为新用户推荐的项目。利用Epinion数据进行仿真,得到本文新用户的推荐方法有较好的效果。