ABSTRACT

A recommender system (RS) provides assistance for users to filter out items of their interest in the presence of millions of available items. The reason is to find out the likewise user with the assumption that if users have shared similar interest in the past then they may share the same in future. Collaborative filtering (CF) is the widely used recommendation algorithm due to its ease of use but suffers with the problems of sparsity and cold start problem. In this paper, we propose a trust and distrust-based cross domain context aware recommender system in the multi-agent environment which tries to reduce the problem of data sparsity in collaborative-filtering recommender system and improves coverage. Cross Domain Recommender System (CDRS) utilizes data from multiple domains to reduce the problem of sparsity. Moreover, the combination of trust and distrust in recommendation help to improve trustworthiness of generated recommendation. Distrust provides higher accuracy in recommendation by incorporating knowledge about the malicious users. Prototype of the system is developed using JADE and Java technology for the tourism domain consisting of restaurant, hotel, travel places and shopping places as sub-domains. The performance of the proposed trust and distrust-based cross domain recommender system is compared with the traditional approach of recommendation along with the cross domain approach and trust-based cross-domain approach in terms of accuracy and coverage. The results show that the proposed system outperforms in terms of both accuracy and coverage.

摘要

推荐系统（RS）为用户提供帮助，以在存在数百万个可用项目的情况下过滤掉他们感兴趣的项目。原因是假设用户过去曾经共享过类似的兴趣，那么将来他们可能会共享相同的兴趣，从而找出了同样的用户。协作过滤（CF）由于易于使用而成为广泛使用的推荐算法，但存在稀疏性和冷启动问题。在本文中，我们提出了一种在多主体环境中基于信任和不信任的跨域上下文感知推荐器系统，以减少协作过滤推荐器系统中的数据稀疏性问题并提高覆盖率。跨域推荐系统（CDRS）利用来自多个域的数据来减少稀疏性问题。而且，推荐中信任和不信任的结合有助于提高所生成推荐的可信度。不信任通过合并有关恶意用户的知识，可以在推荐中提供更高的准确性。该系统的原型是使用JADE和Java技术为旅游领域开发的，该旅游领域包括饭店，酒店，旅行场所和购物场所作为子域。在准确性和覆盖范围方面，将所提出的基于信任和不信任的跨域推荐器系统的性能与传统的推荐方法以及跨域方法和基于信任的跨域推荐器方法进行了比较。结果表明，所提出的系统在准确性和覆盖范围方面均优于。不信任通过合并有关恶意用户的知识，可以在推荐中提供更高的准确性。该系统的原型是使用JADE和Java技术为旅游领域开发的，该旅游领域包括饭店，酒店，旅行场所和购物场所作为子域。在准确性和覆盖范围方面，将所提出的基于信任和不信任的跨域推荐器系统的性能与传统的推荐方法以及跨域方法和基于信任的跨域推荐器方法进行了比较。结果表明，所提出的系统在准确性和覆盖范围方面均优于。不信任通过合并有关恶意用户的知识，可以在推荐中提供更高的准确性。该系统的原型是使用JADE和Java技术为旅游领域开发的，该旅游领域包括饭店，酒店，旅行场所和购物场所作为子域。在准确性和覆盖范围方面，将所提出的基于信任和不信任的跨域推荐器系统的性能与传统的推荐方法以及跨域方法和基于信任的跨域推荐器方法进行了比较。结果表明，所提出的系统在准确性和覆盖范围方面均优于。旅行场所和购物场所作为子域。在准确性和覆盖范围方面，将所提出的基于信任和不信任的跨域推荐器系统的性能与传统的推荐方法以及跨域方法和基于信任的跨域推荐器方法进行了比较。结果表明，所提出的系统在准确性和覆盖范围方面均优于。旅行场所和购物场所作为子域。在准确性和覆盖范围方面，将所提出的基于信任和不信任的跨域推荐器系统的性能与传统的推荐方法以及跨域方法和基于信任的跨域推荐器方法进行了比较。结果表明，所提出的系统在准确性和覆盖范围方面均优于。