声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：亓法欣,童向荣,于雷,
关键词：多智能体系统, 强化学习, 信任, 深度q学习, 最小均方误差方法,
信任推荐系统是以社交网络为基础的一种重要推荐系统应用，其结合用户之间的信任关系对用户进行项目推荐.但之前的研究一般假定用户之间的信任值固定，无法对用户信任及偏好的动态变化做出及时响应，进而影响推荐效果.实际上，用户接受推荐后，当实际评价高于心理预期时，体验用户对推荐者的信任将增加，反之则下降.针对此问题，并且重点考虑用户间信任变化过程及信任的动态性，提出了一种结合强化学习的用户信任增强方法.因此，使用最小均方误差算法研究评价差值对用户信任的动态影响，利用强化学习方法deepq-learning(DQN)模拟推荐者在推荐过程中学习用户偏好进而提升信任值的过程，并且提出了一个多项式级别的算法来计算信任值和推荐，可激励推荐者学习用户的偏好，并使用户对推荐者的信任始终保持在较高程度.实验表明，方法可快速响应用户偏好的动态变化，当其应用于推荐系统时，相较于其他方法，可为用户提供更及时、更准确的推荐结果.
来源：2020年第6期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。