基于二部圖網(wǎng)絡結構的推薦算法研究.pdf

1、隨著網(wǎng)絡技術和電子商務的不斷發(fā)展，信息量也隨之呈現(xiàn)過剩狀態(tài)，這就使得用戶很難從膨脹的信息中找到符合自己需求的信息。在這樣的背景下推薦系統(tǒng)應運而生，推薦算法是推薦系統(tǒng)的核心，其中二部圖網(wǎng)絡結構推薦算法因其推薦復雜性低、推薦內容不受限制且多樣化而受到廣大學者的關注。本文通過分析二部圖網(wǎng)絡結構推薦算法的優(yōu)劣勢，對其進行改進，主要工作如下：
　　首先，針對二部圖網(wǎng)絡結構分配資源過程中僅判斷是否對項目有過選擇，沒有考慮用戶顯式偏好對資源分配

2、的影響，而且過于依賴用戶和項目節(jié)點的度的大小，導致推薦項目單一的問題，提出了一種基于用戶偏好和相似性的二部圖推薦算法。在基于二部圖網(wǎng)絡結構推薦的基礎上引入用戶顯式評分，采用最大最小值方法將評分值標準化，并將其作為用戶的原始資源值和網(wǎng)絡結構的權值，在第一次資源分配過程中引入項目度與權值的比值，增強權值和較小項目的推薦能力，在第二次資源分配過程中引入用戶評分相似性，提高相似性大的用戶間資源分配比率，通過兩次資源分配，將符合用戶偏好的項目優(yōu)先

3、納入推薦列表的前端。
　　其次，針對二部圖網(wǎng)絡結構推薦中存在的冷啟動問題，利用用戶間信任關系，提出了一種基于信任網(wǎng)絡的二部圖推薦算法。根據(jù)用戶間的顯式信任值計算用戶間相似性，提取出與每個用戶相似性高的近鄰用戶集，并對近鄰用戶的信任度作區(qū)分，利用區(qū)分后的信任度和近鄰用戶集預測新的顯式信任值。將二部圖網(wǎng)絡結構推薦算法中用戶間相似性作為隱式信任值，通過對兩種信任值進行歸一化處理，緩解了新用戶冷啟動問題。
　　最后，對兩種改進推薦算