论文部分内容阅读
随着计算机与互联网技术的快速发展,人与人,人与信息之间的交互变得越来越频繁。如何从海量繁杂的信息中快速获取用户想要的信息,是推荐系统研究的核心问题。传统的基于协同过滤的推荐系统存在数据稀疏和冷启动等问题,基于信任的推荐系统的体系结构基础是信任网络的构建,可以较好的解决这些难题,因而得到了较好的发展。由于信任网络是基于信任的传递性构建的,从而可以给推荐系统等提供一种有效的信息,使推荐更加准确与高效。 本文介绍了基于信任的推荐系统的基础知识,阐述了信任及信任网络的基本概念,提出了二阶邻居网络生成算法及改进的 A*路径搜索算法,并将这两种算法应用到信任网络中信任路径的搜索与选择问题中。 首先从复杂网络中的信息传播问题入手,研究了复杂网络中的二阶邻居网络。以往的网络信息传播的研究多关注于节点的度等性质研究,然而节点的信息传播能力不仅与节点度有关,更与其邻居网络,即子网有关。为了对信息在网络上的传播进行有效控制,对局部网络拓扑结构进行研究,提出了一种邻居度生成算法。可以较好地将网络中某节点的邻居节点进行邻居度划分。 对于信任网络形成问题,通过用户之间的信任关系及信任值构建信任网络。将人工智能的启发式搜索算法应用到信任传递路径搜索与选择中,并且对传统的搜索算法进行了改进,将节点的邻居度信息结合到节点路径选择的启发函数中,提出了改进的 A*路径搜索算法。仿真实验证明,改进的 A*路径搜索算法,比传统的 A*路径搜索算法效率更高。