基于swarm平台及社交网络电子商务个性化推荐系统仿真模型理论构建.docxVIP

基于swarm平台及社交网络电子商务个性化 推荐系统仿真模型理论构建 摘要：本文在介绍了个性化推荐系统、信任管理、社交网 络以及Swarm平台的基础上，提出了一个对个性化推荐系统 进行仿真研究的基于Swarm平台和社交网络的理论模型。该 理论模型基于社交网络中智能体的行为和智能体之间的交 互，旨在模拟出现实中人与人之间相互学习、推荐和影响的 社会关系，从而寻找使得推荐系统更加有效运行的方式。 关键词：个性化推荐；信任管理；社交网络；swarm 中图分类号:TP18文献标识码：A文章编号:1007-9599 (2012) 21-0000-02 1协同过滤算法缺陷概述 虽然协同过滤算法得到了广泛的应用，但是其自身存在 的冷启动、数据稀疏、“托”攻击敏感以及“黑匣子”等众 多缺陷已经从根本上限制了其发展。协同过滤是根据用户的 历史经验做出推荐，系统无法基于新加入的用户和项目产生 推荐，这便是冷启动问题；该算法所涉及的评分存储在二维 矩阵中，每个用户只对少数几个商品做出过评价，矩阵非常 稀疏［3］；推荐是根据偏好历史来产生的，偏好很容易造假, 这就是托”攻击敏感问题［3］；用户对系统产生的推荐感 到莫名其妙，这便是“黑匣子”问题。 2信任管理与协同过滤的关系 将社交网络的引入在一定程度上弥补了协同过滤存在 的缺陷，从而提高了推荐系统的推荐质量。以下是社交网络 对协同过滤缺陷的改进策 对协同过滤缺陷的改进策 对冷启动的改进：一个新加入的用户，只要添加一个自 己信任的节点就可以进入网络，从网络中其他用户处得到推 荐。对数据稀疏的改进：在社交网络中，数据不以二维矩阵 的形式来存储，所以不存在数据稀疏问题。对“托”攻击的 改进：当“托”用户发出欺诈信息被邻居发现之后，邻居就 会断绝他们之间的信任关系，经过一定的时间，恶意用户就 会从网络中孤立出来。对“黑匣子”问题的改进：人们对自 己的社会关系相对比较信任，所以用这种方式作出的推荐用 户会比较容易接受。 3基于Swarm平台的仿真模型 Swarm平台是由美国桑塔费研究所(SFI)研发的“用于 研究复杂自适应系统仿真的多智能体(Agent)仿真平 台[2] o近年来，基于Swarm仿真平台的应用研究发展迅 速，所涵盖的学科有经济学、社会学以及计算机科学等众多 学科领域。[5]我们在此提出一个使用Swarm平台对基于社 交网络的电子商务个性化推荐系统进行仿真的理论模型，由 于某些原因，我们暂时没有在Swarm平台上最终实现该模型。 Swarm仿真过程中比较核心的部分是智能体和智能体之间的 交互，下面将介绍该理论模型中包括的Client和Manager 两类智能体以及他们之间存在的交互关系。 4两类智能体 Client：该智能体定义为社交网络中存在的具有独立行 为能力的主体，包括个人、企业、部门以及其他组织。这些 主体中，有恶意主体（“托”用户），也有普通主体。这些 主体的行为反应的都是人的意志，所以把他们统一抽象为智 能体，每一个智能体都有属性、记忆和行为。属性主要是用 来记录Client自身身份、能力、活跃程度；所谓记忆，是 智能体在与自己信任的邻居交互的过程中记录的其每一个 邻居的信誉程度以及能力指数；Client有两类行为，第一类 是不定时地向信任他的其他智能体发出消息，第二类是向寻 求他帮助的邻居提供帮助。 Manager：根据［4］中提到的网络信任中的自治域理论， 我们的仿真模型中也引入域的概念。每一个域都有一个 Manager来总览该域的管理工作。Manager也由属性、记忆 和行为三个要素组成。属性用来标识Manager的身份； Manager的记忆是指每一个Manager必须且只能够记录其管 辖域内所有Client的信誉和能力指数；Manager有了记忆以 后，当Client向其询问其所管理的成员Client的相关信息 时，它便可以提供客观的帮助，这便是Manager的行为。 5智能体之间的交互 智能体之间交互学习的目的是为了 了解自己的“邻 居”用户。在我们设计的仿真模型中，有两种类型的交互： Client-Client：即Client之间的交互。Client之间可以进 行交互学习，前提是他们之间存在着信任关系。 Manager-Client：即 Manager 和 Client 之间的交互 oManager 会根据自己所管辖域内的所有Client的行为去更新它对每 一个Client的信誉和能力的评估，所以Manager需要观察 管辖域内每一个Client的行为。举例说明：如图1所示， 假设U2, U3, U4属于域Areal,该域的管理员是Managerl, U1属于哪一个域无关紧要。在某一时刻，U1需要向U4询问 他对12的观点，那么这时候U1可以分别询问U2, U3,然