全文总字数：2915字

1. 研究目的与意义及国内外研究现状

随着互联网和电子商务的迅速发展，网络购物的热潮席卷全球,网上用户的群体也在不断地扩大。网络购物在一定程度上取代了实体购物,一跃成为现下最流行的购物方式之一。因此,购物网站增多,竞争也更加激烈,要想在购物网站中脱颖而出,这就需要各大电商采取多样化的营销手段来激发用户的购买热情。这样，用户在获得便利的同时，也备受选择的折磨。于是,各种个性化推荐系统应运而生。基于信任度的购买意愿推荐系统根据对不同人群有不同的信任度，从而决定了自己的购买意愿，能够有效解决传统推荐系统存在的问题。

这种个性化推荐系统与搜索引擎不同,它作为网站为用户提供的一种辅助购买系统,给用户与网站都带来了效益与众多便利,它既节省了用户购物时间,提高了购物效率,满足了用户个性化多元化购物需求,促进了用户由浏览者向购买者的角色转变,又提高了购物网站的交叉销售业绩和用户对网站的黏着性和忠诚度,增加了网站点击量与购买量,实现了互助互赢。

国内外研究现状

近年来大量学者研究信任模型和基于信任的推荐算法。golbeck等提出采用扩展的广度优先搜索算法获得推荐者列表的tidaltrust算法，该算法以最短路径距离寻找推荐者并以活跃用户与推荐者之间的信任值为权值预测对目标项目的评分，messa等提出以评分矩阵、信任网络、最大信任传递距离作为算法的输入，采用向后搜索方法的moletrust算法。jamali等提出“trustwalker”方法，该算法以“randomwalk”策略搜索信任网络，同时利用物品间的相似性降低了搜索算法的时间复杂度。郭红艳等提出一种将用户的评分次数及提供推荐的次数作为信任因子考虑在内的新型信任模型。胡福华等另辟蹊径，考虑相似度的传递性，提出一种相似度传递的计算方式，利用相似度的传递，解决数据稀疏及冷启动问题。

2. 研究的基本内容

本文是以设计一个基于信任度的购买意愿推荐系统为出发点，充分考虑了以下三点因素的影响：其一，与活跃用户之间的信任度；其二，用户购买意愿；其三，个性化推荐系统。旨在优化已有的基于信任的推荐系统的推荐质量，提升用户体验，将用户从信息过载的苦海中过滤出来。

本文首先介绍信任管理相关的基础知识，研究不同类型的信任模型，并从中找出各种信任模型的特点，总结出各种信任模型的使用场景，选择一种合适的信任模型进行研究。接着是对用户购买意愿的研究，通过在以往学者研究基础上给出了用户购买意愿的定义，并研究了用户购买意愿的影响因素，最终发现信任对用户购买意愿有显著影响。之后研究商品个性化推荐系统相关的基础知识，学习当前比较成熟的协同过滤算法、基于内容的推荐等算法，充分理解传统推荐算法的优缺点，进而研究已有的基于信任度的推荐算法。然后综合考虑各种推荐算法以及信任模型的优势与不足，提出一种基于动态信任网络的协同过滤改进算法，该算法能够根据用户反馈及用户间相似度动态地修改信任网络，并且针对评分数据稀少但是用户相似度很高的不合理现象进行改进，在一定程度上缓解了数据稀疏性问题。最后，通过实验将传统的推荐算法与本文提出的基于动态信任网络的协同过滤改进算法进行对比，分析各种因子对该算法的影响，从而验证该算法性能的优越性。

3. 实施方案、进度安排及预期效果

2月1日-2月28日：阅读相关论文，学习信任相关的理论基础，包括信任的定义、性质以及典型的信任模型。学习推荐系统相关的理论知识，包括典型的推荐算法，并对各种已有的算法进行优劣分析。

3月1日-3月20日：进行需求分析，概括出需要从哪些方面对已有的推荐系统算法作出改进，结合各个需要改进的问题，考虑具体的改进方案。

3月21日-4月10日：进行系统的总体设计以及各个模块的设计。详细给出新改进算法的各种模块以及设计出推荐系统架构。

4. 参考文献

[1]李熠晨，陈 莉，石晨晨，兰小艳. 采用信任网络增强的协同过滤算法 《计算机应用研究》 2017-01-09

[2]黄灿，杨鹏，顾梁. 播存网络中一种融合信任机制的协同过滤推荐算法 《小型微型计算机系统》 2016-11-15

[3]汪静. 协同过滤推荐算法研究综述 《中国新通信》 2014