融合信任因子和时间因子的协同过滤推荐算法理论和实践研究

随着大数据时代的到来,推荐系统作为解决信息过载问题的有效手段,其重要性日益凸显。协同过滤推荐算法作为推荐系统的核心算法之一,面对个性化的用户需求和复杂的大数据环境,仍面临着诸多挑战。因此,本研究致力于通过融合信任因子,引入时间因子,对协同过滤推荐算法进行理论上的深化和实践上的研究,旨在提高推荐的准确性,为后续的实践研究提供理论基础。

基于填充和相似性信任因子的协同过滤推荐算法

为了提高推荐系统在数据稀疏情况下的推荐质量,提出一种改进的协同过滤算法。该方法使用一种数据挖掘算法对稀疏评分矩阵进行填充;在完整的填充矩阵上计算用户相似性,并引入相似性信任因子;最终做出推荐预测。典型数据集上的对比实验结果表明,即使在评分数据极为稀疏的情况下,该算法仍能取得较好的结果。

基于相似性填充和信任因子的协同过滤算法

针对传统协同过滤算法中用户交叉评分项较少的情况,提出一种相似度与社交网络中信任因子结合的新方法。首先利用评分矩阵获取用户间相对缺失的评分项。其次通过概率矩阵分解技术进行降维获得近似评分矩阵,用以动态填充上述缺失项目评分,以填充后的用户评分计算用户间相似度。对于部分填充中存在误差的项目通过信任因子动态调整,获得更符合实际的相似度。在公开数据集Movie Lens的实验结果显示,该方法较传统方法在推荐精度方面提升2.1%以上。

融合信任因子的多样化电影推荐算法

传统的协同过滤算法过于依赖用户之间的评分,容易出现冷启动和数据稀疏性问题,同时推荐结果单一,针对以上问题,本文提出了一种融合信任因子的多样化电影推荐算法.首先对用户相似度计算方法进行改进,引入用户间信任度关系和属性特征信息.接着使用聚类方法把具有相同兴趣的用户划分在同一社群.最后在评分时综合考虑用户活跃度对电影的推荐度,引入惩罚因子,从而为目标用户提供个性化、多样化的电影推荐.实验结果表明,本文提出的算法在推荐精度和多样性指标上均有所提高,有较好的推荐效果.

一种基于多因子信任机制的无线传感网络安全路由协议

为解决以往基于信任机制的无线传感网络平面式路由协议中存在的问题,如信任计算指标不全面、人工赋权导致权重不可靠、路由节点相关而导致丢包、延迟、能耗等等,提出了一种基于多因子信任机制的无线传感网络安全路由协议SRPMT,该信任机制考虑了节点直接信任、间接信任、剩余能量、节点间距离度量和汇聚节点sink距离等五项信任因子,采用熵权法进行动态赋值权重,采用改进的AODV协议节点不相关多径路由,sink根据信任的链路质量计算出最优路径及备用路径,当多条路径都不可靠之后网络发起路由重建,降低了路由重建频率。仿真结果表明,与TSRP与AODV相比,SRPMT有效降低了网络节点能耗、延迟与丢包率,提高了无线传感网络的安全性。

基于节点行为的物联网动态综合信任评估方法

物联网节点由于所处环境复杂多变且无人监管,易受损或被捕获而成为内部攻击的源头。针对这种情况,提出基于物联网节点行为的动态综合信任评估方法。基于节点交互时的多种行为特征来计算节点的直接信任,并提出节点的自信度和推荐信任度作为权重系数参考。通过共同邻居节点获取推荐信任以缩短发现恶意节点的时间,并采用时间衰减因子和历史评估窗口来保证信任的时效性。实验结果表明,通过节点的异常行为变化能及时识别恶意节点,降低网络的能耗,具有良好的适应性和抵抗性。

基于信任和项目偏好的协调过滤算法

针对传统协同过滤算法不能深度挖掘用户关系,以及无法对新项目进行用户推荐的问题,提出了基于信任和用户偏好的协同过滤(TIPCF)算法。首先,通过分析用户评分判断用户的可信度并量化用户间的信任程度,挖掘用户潜在的信任关系;其次,考虑到用户之间对于不同目标项目偏好程度的差异会对用户相似性产生影响,在传统用户相似性算法上添加用户偏好度改进相似性算法;然后,通过结合用户信任度和改进的相似度,使得最近邻的选取更加准确;最后,根据用户对项目属性的偏好对新项目进行推荐。Movielens数据集实验结果表明,与传统的协同过滤算法相比,TIPCF算法的平均绝对误差减少了6.7%;在推荐新项目时,TIPCF算法的平均绝对误差减少了10.7%。TIPCF算法不仅提高了推荐的准确度,而且增加了新项目的推荐概率。

融合偏置的动态专家信任推荐算法

针对协同过滤推荐算法中数据稀疏、冷启动与噪声用户对推荐质量的严重影响,该文将用户-项目评分数据与用户信任关系数据相结合;提出一种融合偏置的动态专家信任推荐算法(BDETA),首先根据用户信任关系数据进行社区划分,获取用户间显式信任值;其次从社区中用户-项目评分数据获取可信度、隐式信任值;通过结合用户间可信度、显式信任值、隐式信任值动态确定专家信任因子,根据用户的推荐能力为每个社区确定专家数据集;最后结合用户不同评分标准进行评分预测。在真实数据集FilmTrust的实验结果中,能够有效地解决协同过滤中冷启动与数据稀疏问题,可更好地满足用户的个性化推荐需求,并且在推荐系统常用评价指标MAE与RMSE中有着不错的表现。

引入权重因子的证据合成方法

D-S理论是一种有效的不确定性推理方法,但在证据完全冲突或冲突较大时,D-S证据合成公式失效。Y ager等学者对此作了改进,但是改进后合成公式又存在着新的问题。考虑到证据在合成过程中的重要程度不同,将权重因子引入到合成公式中,通过权重因子的作用和冲突概率的重新分配,提出了引入权重因子的D-S证据合成方法,新的合成公式提高了证据合成的可靠性和合理性,可得到更为理想的合成结果。

改进信任度的商品推荐算法研究

对于有个性化推荐需求的电子商务系统,传统协同过滤推荐算法对商品的用户项目矩阵构建比较单一,难以解决数据稀疏以及推荐结果精度较低等问题。为此,提出一种改进的基于信任度的协同过滤算法,根据用户历史行为,对用户项目评分矩阵进行细分量化,综合考虑用户间关系,引入信任因子维持用户信任关系中的非对称性,通过共同评分项计算用户评分信任度。最终融合信任度与信任因子,计算获得最佳邻居集并产生最终推荐列表。在淘宝官方UserBehavior数据集下进行实验,结果表明,该算法降低了推荐稀疏性,提高了推荐精度。

一种基于感知信任度的加权协作感知算法

基于非协作感知的不确定性,协作频谱感知方法具有更高的可靠性。在传统的加权数据融合的基础上,根据无线电通信环境次用户(Secondary User,SU)的信任度不同,引入信任度函数及其信任度因子,提出了一种基于次用户信任度的自适应数据融合算法。仿真结果表明,该算法可以提高主用户(Primary User,PU)的检测概率,具有一定的可靠性和有效性,其检测性能优于传统的加权数据融合准则,同时还适应感知用户的拓扑变化。

网上信任评价模型及其因素研究

缺乏信任被认为是电子商务潜能充分发挥的主要障碍之一。在国外信任实证研究的基础上,提出了网上信任研究的拓扑结构,并分别阐述了这一模型中信任前因、信任表现因子及信任结果的构成要素。

基于多时段信息融合的配电变压器运行状态评估模型

为了更加全面准确地评估配电变压器的运行状态,基于多时段信息融合构建配电变压器运行状态评估模型。建立状态评估函数对定量指标进行评估;综合2类集值统计专家估价法,引入专家评估信任因子对定性指标进行评估;综合相似度聚类分析和模糊层次分析法进行评估指标的最优权重分配;基于多变量灰色预测模型和改进证据理论融合多时段状态信息以评判配变的综合运行状态。基于该评估模型对54台配变进行状态评估,通过比较每台配变的状态评估结果和其实际运行工况,得到该模型的评估准确率约达96.296%,验证了该评估模型的可行性,为配变状态评估提供了一种新的思路。

基于不对称人际影响的舆论涌现模型研究

人际关系影响是舆论形成的重要因素。引入个体意见的不确定性以及个体间的信任因子,建立了个体间的不对称影响函数,以此为基础实现了一个舆论涌现的Agent仿真模型,仿真结果反映模型是合理有效的。对仿真结果的分析说明:个体意见的不确定性和个体间的相互信任,是影响最终舆论涌现形态与涌现速度的重要因素。

舆论涌现模型研究

人际关系影响是舆论形成的重要因素。本文引入个体意见的不确定性以及个体间的信任因子,建立了个体间的不对称影响函数,以此为基础实现了一个舆论涌现的Agent仿真模型。对模型结果的分析说明:极端个体的态度和个体间的相互信任,是影响最终舆论涌现形态与涌现速度的重要因素。仿真结果与社会学研究中“统治的多数”和“心理反抗”现象相互印证,反映模型是合理有效的。

一种基于声纳信息的地图创建方法

地图创建是实现机器人在未知环境中自主导航的关键。该文对移动机器人在地图创建中所收集的不确定传感信息进行研究,分析声纳传感器的散射和镜面反射特性,提出一种改进的概率栅格的地图创建方法。该方法将距离信任因子引入到声纳传感器模型。利用该模型,实现移动机器人的自主地图创建,并有效地减少由于声纳传感器所引起的不确定性。通过机器人平台上进行的实验表明该方法的有效性。

基于超声波传感器的未知狭窄环境导航算法

针对移动机器人在未知狭窄环境中的导航问题,利用证据理论中的矛盾因子,给出了一个自适应超声波传感器模型。利用该模型,结合D S证据理论融合算法以及证据格方法,实现了移动机器人在未知狭窄环境中的导航,并有效地减少了由于超声波传感器镜面反射所引起的不确定性。实验结果表明了该方法的有效性。

基于改进D-S证据理论的鸡舍环境控制决策模型研究

由于鸡舍环境是多环境因子相互耦合作用的复杂非线性时变系统,其环境质量影响蛋鸡健康水平、生产性能。针对鸡舍内环境因子复杂且难以精准控制的问题,本试验构建基于改进D-S证据理论的鸡舍环境控制决策模型,首先采用箱线图法和基于专家系统的自适应修正算法,对传感器采集的环境参数异常值进行检测修复,再利用自适应方差加权距离算法实现同类传感器采集数据进行一级融合,最后结合改进的D-S证据理论算法,根据证据间距离矩阵确定相似度矩阵和证据信任因子,得到期望证据的基本概率分配函数并进行迭代合成,实现全局融合决策。结果表明:相对于传统的D-S证据理论算法,改进算法可有效避免因冲突证据带来的融合决策误差,可以实现鸡舍环境控制精准决策,具有推广应用价值。

认知无线电的联合频谱检测与共享算法

提出一种基于信任度因子的频谱空穴检测模型以确认频谱机会。当能量以信任度因子为1分布于检测区域时,认知用户将发送1bit量化值以报告侦听结果;否则,认知用户将发送2bit量化值。评估了平均侦听比特数和漏检概率的性能。基于此模型,给出一种多跳认知无线电网络的频谱共享算法。它允许激活认知用户节点以一定的接入概率充分利用分配给其他认知用户的时隙进行通信。同时,算法还采用基于发射码字的传输机制,即每个激活认知用户都有自己唯一的发射码。进一步地,推导出系统吞吐量,即被定义为平均成功传输的概率和能耗公式。最后,通过仿真评估了系统性能。

用户和相似性填充相融合的协同推荐模型

针对当前模型存在的精度低、冷启动等难题,设计用户和相似性填充相融合的协同过滤推荐模型。采用稀疏评分矩阵建立用户评分项目集合,对评分矩阵进行降维、构建近似评分矩阵,采用该矩阵填充用户项目的评分集合,得到用户间相似度,采用信任度因子对填充误差进行合理调整,得到最终的用户间相似度,采用标准数据集Movielens和BookCrossing对模型性能进行测试。测试结果表明,该模型获得了较高的整体预测精度,预测准确性优于其它模型,改善了协同过滤推荐效果。