基于专家用户的可信推荐系统

《基于专家用户的可信推荐系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年10月计算机科学ComputerScienceOctober2011基于专家用户的可信推荐系统王宁徐锋(南京大学计算机软件新技术国家重点实验室南京210093)(南京大学计算机软件研究所南京210093)捕要随着五联目的迅连斑展．信息出现7爆炸式增长。推荐系统作为信息过波的重要手段-是砰决信息过戴问悬的有效方击。如何培缺少评分信息和信任关系的新用户提供有拉的推荐信息，是推荐系统面#的一十重要问慧，基于协目过薅的推荨系统和基于信任的推荐系统均无击很好地解决这一问趋。提出7一，卜基于专霉月

2、户的可信推荐模型．即在信任目蝽中发掘出专家甩户．然后利用这些专譬月户来扩展新用户的信任月络．从而为新用户提供有效的推荐信息。在Epinions数括集上的实验蛄果袁明．培方法提高T推荐系统的正砖率和覆盖丰，有最地解班T新月，目题。荚键词推荐系统，信任网络，新用户中囤法分类号TP30l文献标识码ATrust-awareRecommenderSystemBasedonExpertUserWANGNingXUFeng(SnteKeyLaboratoryforNovelSoftwareTechnology

3、．Nani啦University，Nmjing210093，China)(InstituteofComputerSoftw础，Na-iingUlfiv盯sity，NaⅡji．g210093，China)AbstractWRhtherapiddevelopmentofImemet．dm№hasMen“plosivegrowthofinfo～tiomAs丑llimportantⅡ一sofinfonrlationtiitering，一endersyst自qaisaneffectivewaytosolv

4、etheinfo—tionoverl∞dingproblnHowtoprovideeffevtiveinfo～tionto⋯⋯whotackofrating1nk—t㈣andnJstrelatioIlship⋯isL,nportent⋯thatrecornm“盯systemfaceAInthisI姐portweproposeatrusPwⅣtrecommend盯systembasedonexpefft㈣WeseexDerL㈣whichediscoveredthroughtrIlstnetwork

5、tOextendnewus口’sOustnetwork．soitisabletoprovide⋯⋯usefuln{orⅡmt∞nAnempiricalevaluationonEpkaior幢comdatasetshowsthattrust。awa弛recornmendersyst帅basedonexpenus叮hashighdrecommendac叫acyaldcOve耗ge，∞pecia】lyforcold。sta九UmK刚a出R籼rl妇syst唧，Trustnetwork．Coldstan1

6、引言随着互联网规模和覆盖面的迅速扩大，充斥在网络中的资源也呈指数级的爆炸式增长。用户面对海量的信息，往往无所适从，很难从中寻找出适合自己的信息，这就是所谓的信息过载问题。推荐系统作为一种信息过滤的重要手段，是当前解央信息过载问题的一个比较有效的方法。它根据用户的偏好特性，从大量的信息中挖掘出用户最可能感兴趣或需要的信息．并推荐给用户。常见的推荐系统方法是协同过滤方法“】，其基本思想是找出与目标用户口味或兴趣相似的用户，并将相似邻居用户感兴趣的信息推荐给目标用户。这是推荐系统中一种比较成功的方法。

7、然而．协同过滤方法仍然有一些问题．其中最重要的一个弱点就是新用户问题(coldstartproblem)：新用户由于评价的信息过少，导致无法找到与其相似的用户，从而很难给出适合的推荐信息。随着社会网络的出现车文受国家自然科学基金(80735015-60721002，61073030)t国家973计划(8009CB320702)，目亲883计划(2009AA01ZlIT)，江苏省攀登计划(BK2008017)费助。王宁(1987一)，男t璃±生，主要研究方向为Ⅲ佰计算肆·E-mail，eph一19

8、87@胛-1．。Dm}棼蜂男-博±，教授，主g研究方向为日信计算、系统壹垒，软件日靠性拄术辱．·203·和流行，研究者发现用户倾向于喜欢朋友推荐的信息口J。用户在社会网络中会结识一些朋友，这可以被作为推荐信息的一个可靠的来源。日常生活中，人们需要建议的时候，往往会去向那些他们信任的人寻求帮助。因此，研究者们将信任网络引人推荐系统，提出了具有可信机制的推荐系统m】。引入信任网络到推荐系统，用户只需要加入到信任网络中来，通过信任的传播和聚合，可以得到更多的推荐信息，因而在一定程度上减少了协同过滤方法