用户多兴趣信任度的个性化推荐

目前大多数推荐技术是针对用户单方面兴趣进行的。提出了一种用户多面(multi-faced)兴趣信任度的推荐算法,以适应博客、维客、新闻文章等涉及用户多种兴趣下的推荐。新算法以一种协调的方式将传统的协同过滤算法和基于信任度的推荐算法相结合。实验结果表明,该算法不仅能适应用户多种兴趣下的推荐,而且能有效解决冷启动问题,大大提高了推荐效果。

基于兴趣信任的多agent合作系统的形成与演化研究

借鉴人类社会学中流行的人际关系模型,提出一种基于"兴趣信任"的多agent合作模型,利用贝叶斯方法对agent的可信度按兴趣领域进行了分类评估,通过agent间基于兴趣信任的链接更新形成稳定的多agent合作系统.最后的仿真实验显示,本文提出的基于兴趣信任的合作系统演化方案不仅能有效提高任务的执行成功率,而且能有效改善网络拓扑结构,使所有的a-gent在不同的兴趣领域内聚集在该领域内服务能力较强的可信agent周围,提高了合作对象的选取效率.经过多轮演化后,本方案能使agent在不同的兴趣领域形成"兴趣分类聚集",减小了网络同化现象,突出了agent的个性.

兴趣域信任相似度敏感的P2P拓扑构建模型

为了提高对等(P2P)网络系统中资源定位效率,保证资源下载质量,基于P2P网络中节点偏好的兴趣域划分机制,给出了兴趣域信任相似度的概念和计算方法,并在此基础上设计实现了一种基于兴趣域信任相似度的对等网络拓扑(ITAPT)模型.ITAPT模型通过引入节点间的兴趣域信任相似度,使具有相近兴趣偏好且兴趣域可信度向量相似的节点互为邻居,提高了节点资源查询效率,同时又能激励节点提供更多贡献.仿真结果表明,该模型在拓扑有效性和安全性等方面比现有典型机制均有较大提高.