融合时空信息和用户信任度的推荐算法研究与应用

作     者：徐婷 

作者单位：中国矿业大学 

学位级别：硕士

导师姓名：夏阳

授予年度：2019年

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：协同过滤 时空信息 用户信任度 相似矩阵 信任矩阵 

摘      要：基于位置服务的推荐算法主要是根据用户的签到数据,分析用户活动的地理位置特征与用户社交活动之间的种种关系,进行位置推荐模型的建立。传统的基于位置的推荐系统大都利用用户的上下文信息,如用户所处位置、用户的注册信息等来实现对用户的推荐,但忽略了用户兴趣会随时间或位置的变化而发生改变,并且用户与好友之间的信任度也是影响用户偏好的一个重要因素。针对用户偏好迁移问题,本文对用户签到数据集进行挖掘,利用用户签到时间、签到地点、用户评分数据、用户社交情况等信息对用户建模,主要工作如下。首先,在时间上,根据牛顿冷却定律本文提出了一种时间衰减函数,在空间上,根据用户所在位置的经纬度信息提出一种空间相似度计算方法,然后将基于两种方法的时空信息融入到协同过滤算法中,综合得出本文所提出的融合时空信息的推荐算法。并将该算法与其它主流推荐算法进行比较和分析。实验结果表明,本文提出的算法优于其它对比的推荐算法。其次,社交网络中,用户好友的信任度在很大程度上影响用户的喜好。因此,本文利用移动用户的手机通讯记录中通讯的次数以及时长,建立一种特殊的移动用户好友近邻关系模型。同时,考虑到用户的通讯方式不同,设置用户权值,计算用户对直接好友以及间接好友的信任度,形成用户近邻集合,产生top-N推荐列表。并且在数据集上进行对比实验,实验表明,本文所提出的算法在缓解推荐系统的数据稀疏和冷启动问题上优于其它对比算法。最后,基于上述算法研究,本文设计并实现了一个个性化美食推荐系统,该系统充分利用数据的隐式信息,很好地满足了用户对于个性化美食推荐的需求,具有一定地实际参考意义。