基于信任和不信任关系的实值受限玻尔兹曼机推荐算法

作     者：胡春华 童小芹 梁伟 HU Chunhua;TONG Xiaoqin;LIANG Wei

作者机构：移动商务智能湖南省重点实验室(湖南工商大学)长沙410205 经济与贸易学院(湖南工商大学)长沙410205 湖南省移动电子商务协同创新中心(湖南工商大学)长沙410205 

出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)

年 卷 期：2019年第39卷第7期

页      面：1817-1830页

核心收录：

学科分类：12[管理学] 120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 0202[经济学-应用经济学] 02[经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

基　　金：国家自然科学基金(91846301) 湖南省教育厅优秀青年项目(17B146) 

主　　题：社交网络 推荐算法 实值受限玻尔兹曼机 信任-不信任关系 

摘      要：在社交网络与电子商务快速融合的背景下,将基于信任关系的推荐技术应用于电子商务领域实现个性化推荐已得到广泛研究.现有推荐算法鲜有考虑用户间不信任效应,导致社交信任度量过于保守,较大地影响了推荐系统准确性.针对现有推荐算法忽视不信任关系导致的非对称效应缺陷,本文提出一种结合信任和不信任的实值受限玻尔兹曼机推荐算法(TDA-RBM),首先建立个人受限玻尔兹曼机,进而运用用户社交行为特征信息分析用户信任与不信任关系并进行度量,在此基础上构造信任-不信任监督机制并用于TDA-RBM方法的优化,同时对该方法的有效性进行分析.通过Epinions数据进行的对比实验表明了TDA-RBM方法的有效性以及不信任关系的引入能有效提高推荐准确性.