融合标签传播和信任扩散的个性化推荐方法

陈博文,刘功申,张浩霖,郭弘毅

(上海交通大学信息安全工程学院,上海 200240)

1 概述

近年来,互联网与信息技术高速发展,人们逐渐地从曾经信息匮乏的时代步入到了信息过载的时代[1]。在这个时代,对于信息消费者而言,从无数信息中寻找自己感兴趣的内容并非易事；同时对于信息生产者,让自己生产的信息从无数信息中脱颖而出被人注意同样是件困难的事情。而推荐系统则是实现信息消费者和信息生产者双赢的重要工具。目前,推荐系统已渗透到互联网的各种领域,电子商务网站(如卓越网的图书销售)、音乐网站(如豆瓣电台的歌曲推荐)、社区平台(如新浪微博的热门微博推荐)等都不同程度上使用了推荐系统。

基于内容的推荐和协同过滤推荐是如今使用最为广泛的推荐算法[2]之一。与基于内容的推荐不同,协同过滤无需计算物品特征描述或者用户记录的相似度,取而代之的是寻找与用户相似的用户群[3],然后经由这些用户预测此用户可能喜欢的物品。传统的协同过滤算法面临着用户-项目评分数据稀疏的问题,如果用户之间共同评分的项目很少,那么往往无法得到令人满意的推荐。

目前人们使用网络的方式已然发生了显著变化,互联网用户扮演起越发活跃的角色,不仅会向其他人展示自己的偏好,而且还会和志同道合且值得信任的用户建立信任联系。在庞大而复杂的网络中,一群个体相互之间类似,而与网络中其他个体不相似,则这些个体能构成一个社区[4]。……