引入信任的二部圖電子商務個性化推薦算法改進研究.pdf

1、隨著信息時代的發(fā)展和互聯網的廣泛應用，電子商務迅猛成長起來并廣泛應用于人們生活的各個領域。越來越多的商家和用戶參與到電子商務領域中來，一方面，商家渴望增強自身競爭力，增加客戶忠誠度，從而增加收益；一方面，用戶希望面對越來越多的產品時能夠更加快速便捷并準確地買到合適的產品。因此，電子商務個性化推薦系統(tǒng)受到重視，其中以對推薦算法的研究最為關鍵。近年來新興的二部圖推薦算法在電子商務個性化推薦領域有著較應用最廣泛的協同過濾推薦算法更好的性能表現

2、。鑒于此，本文將基于經典的二部圖算法，再引入刻畫用戶偏好的信任概念，完成以圖部算法為核心的電子商務個性化推薦算法的改進研究。
　　本文從“劃分近鄰網絡”、“差異化商品初始資源配置”及“資源傳輸路徑賦權”三個方面對傳統(tǒng)的二部圖推薦算法進行較全面綜合的改進。在“劃分近鄰網絡”時，將信任關系引入到近鄰劃分方法中，提出一種將用戶相似度與用戶信任度相結合的方式，利用用戶信任度作為相似度的一個有效補充從而克服數據稀疏性得到可信的興趣相似的用戶

3、群。并設計實驗確定最佳的用戶相似度與用戶信任度的結合系數。在“差異化商品初始資源配置”時，用各個商品的“度”（即被購買的次數）來衡量商品的受喜愛程度，“度”越大越受喜愛。在有用戶評分時利用用戶評分最后在商品集中標準化后得到的數值為各個商品的初始資源配置。此改進擬用各個商品受用戶喜愛程度來差異化商品的推薦能力。在“資源傳輸路徑賦權”時，本文利用“劃分近鄰網絡”時得到的用戶相似度與用戶信任度結合的復合矩陣的對應值為“用戶商品”資源傳輸路徑進

4、行賦權來刻畫不同用戶的推薦能力，以期提高本文算法的推薦準確度和推薦有效性。采用個性化推薦領域的經典數據集，共設計3個實驗來驗證本文算法的有效性，實驗結果表明引入信任的二部圖電子商務個性化推薦算法（The bipartite graph recommendation algorithm based on trust，簡稱TBG）較之基于物質擴散的二部圖算法以及評分賦權二部圖算法在預測精確度和召回率相當的情況下，在產品的排序準確度方面表現更