基于用戶推薦質量的服務推薦方法研究.pdf

1、互聯網技術的飛速發(fā)展，滿足相同功能屬性而具有不同非功能屬性的候選服務呈爆炸性增長，人們面臨嚴重的信息過載問題。同時，在利益驅使下網絡上出現大量的虛假服務和虛假反饋，如何鑒別和挑選可信的服務和反饋也是服務使用者面臨的問題。推薦系統(tǒng)在解決信息過載方面已經取得了很大的成功，但也存在著數據稀疏、冷啟動等問題。如何在評分數據稀疏的情況下獲得滿意的推薦成為推薦系統(tǒng)的亟待解決的問題。針對上述問題，將信任引入推薦系統(tǒng)。信任不僅可以作為用戶間評價相似度的

2、補充，同時其具有的傳遞性也可以將原本沒有關聯的用戶關聯起來。現有的基于信任的推薦算法在候選推薦用戶搜索階段直接使用經典的圖遍歷或隨機遍歷算法，沒有考慮大規(guī)模數據對算法的影響。在度量候選推薦用戶推薦能力階段，很多算法基于布爾型信任關系，忽略了信任的可度量性。一些算法僅根據用戶間的距離來度量信任值，忽略了用戶間偏好的相似性對信任程度的影響。還有一些算法根據用戶間評分數據的某種相似性確定用戶間信任值，這種方法不適合在數據稀疏情況下進行。另外，

3、現有的算法大多沒有考慮信任的領域相關性。
　　針對上述問題，本文主要工作如下：(1)為縮小候選推薦用戶的搜索范圍，對譜聚類算法NJW進行改進以聚集出服務偏好相似用戶集?？紤]到服務運行環(huán)境對服務評價的影響，通過迭代方法從服務偏好相似用戶集中聚集出運行環(huán)境相似的用戶集；(2)為提高候選推薦用戶的搜索效率，提出基于集散節(jié)點的用戶搜索方法，在聚類生成的類簇中搜索用戶作為候選推薦用戶集；(3)提出了用戶推薦質量(Quality of Rec

4、ommendation，QoR)的概念，并以此作為衡量候選推薦用戶推薦能力的指標。QoR的屬性包括了評價相似度、領域信任值、領域相關度和親密程度，各屬性的權重通過信息熵方法來確定。最后，依據用戶歸屬于類簇的隸屬度，按比例從相應類簇中選擇QoR值高的候選推薦用戶組成推薦用戶集，將預測評分高的服務推薦給用戶。
　　文中采用Epinions網站的真實數據Epinions數據集，設計了實驗從算法的精確度、對冷啟動用戶的推薦、評分覆蓋率以及