信任网络形成及其在智能推荐中的应用研究

Recently, recommender systems have been developed rapidly, which would alleviate the overload of message. However, the demand of personality promotes the development of different intelligent recommender technologies. Therefore, trust based recommender systems is an attractive direction. People prefer believing the recommendations from friends they trust rather than from the recommender systems. Most existing trust-based recommender systems suffer from the key problem which is the problem of trust measurement and trust network formation. In this project, we investigate the transitivity of trust based on binary relations, study trust network formation based on graph theory and searching technology, integrate trust network and recommender systems to deal with the shortage of recommender systems, such as data sparsity, cold start, and easy attacked. We also try to select reliable recommendation route by negotiation. We expect to research decentralized recommender systems by agents whose goal is to emerge big intelligence through a lot of little intelligence. We wish to improve the accuracy and reliability of recommender systems by trust network, and to promote the integration between social network and recommender systems.

近年来推荐系统得到了迅速发展，这可以有效地缓解信息过载问题，而个性化和精准推荐的更高需求促进了各种智能推荐技术的快速发展，其中基于信任的推荐系统成为一个非常有发展前景的方向。相比于传统的推荐信息，人们更愿意接受他所信任的人的推荐。然而，目前基于信任的推荐系统的关键科学问题研究还不够完善，即信任关系的度量及信任网络形成还需要进一步探讨。针对此问题，本课题将以二元关系为工具研究信任的传递性，以图论和传统人工智能的搜索技术为工具研究信任网络形成，然后将信任网络和推荐系统相结合，改进推荐系统的某些固有缺陷，如数据稀疏性问题、冷启动问题、易受攻击的问题，并尝试用协商的方法选择可信和可靠的推荐路径。本课题期望用多Agent方法来研究非集中式的推荐系统，由个体的小智能涌现整体的大智能，用信任网络来提高推荐系统的准确度和可信度，改善推荐系统的性能，促进社交网络与推荐系统的进一步融合。

课题61572418的题目是信任网络形成及其在智能推荐中的应用研究。申请代码F020509，直接经费64万，研究期限是2016年1月到2019年12月。课题的主要研究内容是给出信任传递性的理论基础，并研究信任网络形成的基本规则和基本方法，在此基础上，再将信任网络应用于现有的推荐技术，并用协商方法选择可信任的路径。.经过四年的研究，课题达到了研究目标，具体而言，(1)讨论了二值信任及其性质，讨论了信任关系的时间稳定性，给出了基于信任传递闭包的信任网络的构建算法，其计算复杂度较低；(2)研究了信任网络形成的基本算子和形成方法，研究了加权启发式信任路径搜索的信任网络形成等方法；(3)在此基础上，提出了基于信任传递的信任网络，将信任网络与推荐系统相结合，结合强化学习方法，对信任变化过程进行学习以增强用户信任，以体验评价和预期评价之间的差值为依据，对用户偏好进行学习，可以得到更为完全的信息，进而提高推荐的个性化水平和准确性；(4)提出一种基于Markov链的移动社会网络可信推荐模型，考虑任务的可信性来提高推荐模型的准确性；(5)将直接信任和间接信任关系应用到协商中，形成非稀疏的信任网络，面对不同信任值的协商对手，Agent采取的协商策略也有所不同，实验结果表明改系统性能得到了较大的改进，使得协商效果有了提升。(6)此外，随着研究深入和人员变动，还扩展了研究内容，如增加了推荐系统中的隐私保护、属性约简、联盟形成等内容。.本课题将社会关系网络与推荐系统相结合，进一步推动两个研究领域的交叉与融合。