面向社会化电子商务信任感知协同过滤方法.docVIP

面向社会化电子商务信任感知协同过滤方法 　　摘要：为提高社会化电子商务推荐服务的精确度和有效性，综合考虑交易评价得分、交易次数、交易金额、直接信任、推荐信任等影响社会化电子商务用户信任关系的因素，设计了一种信任感知协同过滤推荐方法。该方法利用置信因子计算用户间的信任关系，采用余弦相关度法计算用户间的相似度，引入调和因子综合用户信任关系和用户相似度对商品预测评分的影响，以平均绝对误差（MAE）、评分覆盖率和用户覆盖率作为评价指标。实验结果表明，与标准协同过滤推荐方法、基于规范矩阵因式分解的推荐方法相比，信任感知协同过滤推荐方法将MAE降低到0.162，并将评分覆盖率和用户覆盖率分别提高到77%和80%，能够解决交易评价较少商品的推荐问题。 　　关键词：社会化电子商务；信任度；协同过滤；推荐方法；信任网络 　　中图分类号： TP393.08； TP18 　　文献标志码：A 　　0 引言 　　社会化电子商务是一种基于互联网的商业应用，借助社会化媒体和Web新技术实现商品的个性化推荐与社会化网络营销，用户在获取最新商品资讯的同时，结识更多有共同购物爱好的朋友，分享彼此间的购物心得与乐趣[1]。个性化商品推荐服务帮助用户利用共同商品的交易评价或其信任的用户获取所需要的商品信息，是社会化电子商务平台的核心功能之一，也是影响消费者购买意愿和信任度的重要因素[2]。协同过滤推荐无需计算商品之间的相似度，通过评估目标用户与其邻居用户之间交易行为（交易订单、交易评价、浏览历史等）的相似性，依据最相似邻居用户的购买行为为目标用户生成商品信息推荐列表，已成为Amazon、淘宝网、京东网、当当网等电子商务平台广泛采用的商品信息推荐方法。然而，现有的协同过滤推荐方法仅注重用户之间的相似性，忽视了用户之间的信任关系，存在稀疏性问题、冷启动、恶意用户或不可靠用户攻击等问题，影响了其推荐结果的精确度[3]。社会化电子商务平台中许多商品的交易评价信息较少，如何将这些交易评价较少的商品信息推荐给对其感兴趣的目标用户成为社会化电子商务亟待解决的重要问题。 　　文献[4]提出了一种基于规范矩阵因式分解的协同过滤推荐方法，将用户向量值和项目向量值映射到特征空间，根据已知用户的评分对特征向量进行训练，利用用户特征向量和项目特征向量的内积作为目标用户对未知项目的预测评分。文献[5]指出网络消费者一般更信任其熟人或朋友的推荐商品而不是电子商务网站的推荐信息，基于信任的“关系密切的用户推荐”比传统基于网络评价的推荐更符合电子商务消费者进行购买决策的实际需求。文献[6]将信任关系引入推荐系统，指出利用用户之间的信任关系可解决协同推荐系统的稀疏性问题，但所采用的信任计算方法无法直接应用在社会化电子商务环境中。文献[7]提出的基于信任的协同过滤推荐方法将信任度的计算与用户相似度的计算分开进行，两者采用的数据也各不相同，信任度的计算依赖于用户对其他用户的信任度评价；但由于用户往往不愿对其他用户的信任作出评价，致使计算所得到的信任度不能反映用户信任关系的实际情况。文献[8]提出一种基于局部信任的推荐方法，强调推荐结果对社会网络中局部信任信息的依赖；但没有给出保证用户之间信任关系真实可靠的具体策略。文献[9]结合在线社交网络中用户之间的信任关系及其兴趣偏好，计算目标用户的最近邻居用户集，由于赋予被信任的用户过高的权重系数，导致推荐系统容易遭到虚假推荐的攻击。 　　社会化电子商务的用户之间存在着广泛的社会网络关系（如相同商家的商品交易、相似商品的浏览记录、相同商品的交易评价等），将这种社会网络关系引入到社会化电子商务的商品推荐服务中，即使没有相同商品的交易评价，也可通过用户之间的信任关系将用户感兴趣的商品信息推荐给目标用户。将社会化电子商务用户的信任关系引入到社会化电子商务平台的商品推荐服务中，研究利用信任感知协同过滤推荐方法实现面向社会化电子商务的个性化商品推荐服务，通过对社会化电子商务用户之间信任关系的有效利用，可提高社会化电子商务平台商品信息推荐服务的精确度和有效性。 　　1 社会化电子商务用户的信任关系 　　1.1 信任网络 　　社会化电子商务活动中消费者和商家之间的商品交易、交易评价等使他们之间形成一个复杂的社会网络，他们之间的网络交互行为反映了社会化电子商务活动中不同用户之间的信任关系。因此，采用如图1所示的信任网络描述社会化电子商务中用户之间的信任关系，网络中的每个节点对应一个社会化电子商务用户，实线有向边表示用户之间因直接交易评价而产生的直接信任，虚线有向边表示用户之间根据其邻居节点的交易评价而间接产生的推荐信任。在如图1所示的信任网络中，用户C和用户H之间、用户C和用户A之间存在交易评价，具有直接信任关系；用户B、P、H、D称为用户A的邻居用户，由于