Title： Social
network-based service recommendation with trust enhancement
出處： Expert
Systems with Applications journal
摘要：本篇文章提出
一增強trust 的 social
network
based 的服務推薦方法- relevanttrustwalker，為擴展的隨機遊走演算法獲取推薦結果。而本文在真實資料(Epinions dataset)上進行實驗，實驗結果→
該演算法對增強信任的推薦方法精準度有所提升
介紹
因為Social
network/mobile/device這些服務和裝置的啟用，產生了巨量的數據，而用戶們因為如此龐大的資料量
使得他們比以前更難尋找到合適的服務。而且在大多數情況下，用戶並不清楚自己需要什麼，甚至是不知道那些
潛在的服務 → 這就是為什麼推薦系統越來越重要
傳統推薦機制的缺失
傳統推薦機制使用服務質量（QoS）來作推薦→這樣的計算方式只使用歷史資料萃取出用戶的興趣或偏好，幾乎沒
有考慮信任問題，難準確捕捉用戶的個性化偏好外也 難以被直接使用在真實的Web服務推薦系統，並有以下三個主
要問題發生：
Sparsity
problem
•除了在非常大量的用戶服務等級數據外，僅有部分量的用戶rates
a small fraction of the whole available services.。
因此，可用的用戶feedback數據密度通常低於1％。由於數據這樣的稀疏性，使得傳統推薦機制中的協同過濾法對
於透過共同的相似性測量辨別困難。
Cold-start
problem
•有些已存在的服務，或者是新的服務，他被使用者的關注度很低，很少使用者會給予feedback或是rate，這樣的情
況使得那些以相似性做基礎的演算法很難去處理。
Trustworthiness
problem
•隨著服務和用戶量的增加，noise訊息甚至惡意目的可能侵入推薦系統，造成假的反饋數據。這樣的feedback
將損
害推薦的預測精度，應被區分和消除。
→只使用相互信任朋友之間的互動來作預測資料。
而隨著社交網絡的發展，用戶有更多的機會與他們的朋友分享服務的feedback。因此我們能透過蒐集用戶的
feedback，使推薦更個人化。
RelevantTrustWalker
根據用戶之間的信任關係(考慮相似性)形成social
network，social
network中每個用戶使用多個服務，並從互動的經
驗來評比。 當用戶需要推薦時，RelevantTrustWalker預測用戶對於該服務可能的評價，然後建議用戶選擇高評價的
服務。
→ RelevantTrustWalker推薦系統的目標是透過分析用戶間的信任social network和過往的評價數據來預測用戶對該服
務可能的評分。
貢獻：
提出信任相關性。
該演算法可以加速收斂速度，並提高推薦的準確性。
使用RMSE來做演算法準確率的測量
沒有留言:
張貼留言