自荐信标题范文第1篇

精品源自数学科

求职自荐信是毕业生向用人单位自我推荐的书面材料,是毕业生所有求职材料中至为关键的支柱性文件,其写作质量直接关系到毕业生择业的成功与否。因此,自荐信被称为毕业生求职的"敲门砖"。

自荐信的重点在于"荐",在构思上一定要围绕"为何荐","凭何荐"、"怎么荐"的思路安排,其格式一般分为标题、称呼、正文、附件和落款五部分。

1、标题 标题是自荐信的标志和称谓,要求醒目、简洁、庄雅。要用较大字体在用纸上方标注"自荐信"三个字,显得大方、美观。

2、称呼 这是对主送单位或收件人的呼语。如用人单位明确,可直接写上单位名称,前?quot;尊敬的"加以修饰,后以领导职务或统称"领导"落笔,如单位不明确,则用统称"尊敬的贵单位(公司或学校)领导"领起,最好不要直接冠以最高领导职务,这样容易引起第一读者的反感,反而难达目的。

3、正文 正文是自荐信的核心,开语应表示向对方的问候致意。主体部分一般包括简介、自荐目的、条件展示、愿望决心和结语五项内容。

简介是自我概要的说明,包括自荐人姓名、性别、民族、年龄、籍贯、政治面貌、文化程度、校系专业、家庭住址、任职情况等要素,要针对自自荐目的作简单说明,无须冗长繁琐。

自荐目的要写清信息来源,求职意向、承担工作目标等项目,要写得明确具体、但要把握分寸、简明扼要,既不能要求过高又不能模棱两可,给人以自负或自卑的不良印象。

条件展示是自荐信的关键内容,主要应写清自己的才能和特长。要针对所求工作的应知应会去写,充分展示求职的条件,从基本条件和特殊条件两个方面解决凭什么求的问题。基本条件应写清政治表现和学习活动两方面内容。

愿望决心部分要表示加盟对方组织的热切愿望,展望单位的美好前景,期望得到认可和接纳,自然恳切,不卑不亢。

结语一般在正文之后按书信格式写上祝语或"此致,敬礼""恭候佳音"之类语名。

4、附件 自荐信附件主要包括个人简历,证书及文章复制件、需要附录说明的材料,也可作为附件一一列出。

5、落款 落款处要写上"自荐人×××的字样,并标注规范体公元纪年和月日。随文处要说明回函的联系方式、邮政编码、地址、信箱号、电话号码及呼机号等。署名处如打印复制件则要留下空白,由求职人亲自签名,以示郑重和敬意。

自荐信标题范文第2篇

随着网络技术的发展，电子商务推荐系统已经成为很多企业进行广告宣传和商品销售的重要平台。在电子商务推荐系统中，协同过滤推荐算法在个性化的推荐系统中得到广泛应用。协同过滤推荐（Collaborative Filtering recommendation）是在信息过滤和信息系统中应用的一种技术。协同过滤推荐能对用户的兴趣进行分析，并在用户群中找到指定用户的类似兴趣用户，通过分析相似兴趣用户对某一信息的评价，从而形成系统对该指定用户对此信息的喜好程度预测。随着其应用的深入，协同过滤推荐算法也出现了一些问题，如“冷启动”问题、“数据稀疏性”等，于是基于用户聚类的协同过滤推荐算法开始逐渐得到应用[1]。

1.电子商务个性化推荐简述

随着我国电子商务的飞速发展，面对大量的信息资源，消费者不知道该如何选择。为了彻底解决这一问题，运营商提出了制作个性化推荐系统（Personalized recommendation system）[1]的设想。电子商务个性化推荐系统主要是使用电子商务网站，为用户提供商品的信息并提出购买意见，帮助客户选择商品或者信息。一般的个性化推荐系统主要有三个模块构成：行为记录模块、处理模块和推荐模块[2] 。行为记录模块用来记录用户的各种操作，例如收藏、购买、下载、评分等，然后对这些操作进行有效的汇总和处理。处理模块是个性化推荐系统的核心，它实现了对用户操作记录的分析，并采用不同算法建立起模型来描述用户的喜好档案。最后，通过推荐模块，形成适当的分析结果推荐给用户，其形式包括预测评分、购买建议、文本评价等。推荐方法是推荐系统的中心，直接决定了推荐系统的效果[3]。

2.传统协同过滤推荐算法存在的问题

协同过滤算法是个性化推荐中应用最广泛的一种方法。这种技术是基于邻居用户的兴趣爱好来对目标用户的兴趣爱好进行预测。通过统计技术，将与目标用户有相同兴趣的邻居用户寻找出来，进而根据目标用户的邻居用户的偏好形成推荐。该种算法，主要是由数据表示、形成邻居、产生推荐三个阶段构成。协同过滤推荐算法虽然具有一定的优势，但是也有鲜明的缺点，主要表现出“冷启动”问题和“数据稀疏性”问题[4]。首先，“数据稀疏性”问题是很多推荐技术面临的重要问题之一。稀疏性（Sparsity）主要是由于推荐系统中用户信息有限，用户评价或所购买的产品的数量在总数中所占的比例较小，使得某一项目的偏好矩阵中数据较为稀疏，这样找到相似用户就很不容易，使得系统的推荐性能表现很差。冷启动 （cold-start）问题主要表现为新项目问题和新用户问题。新项目问题就是没有人评价或购买过的某一项目，其相应推荐也没有，新用户问题就是没有购买或评价过任何产品的新用户得不到任何推荐。传统协同过滤推荐在单一内容项目推荐上具有一定的适用性，但是现实生活中，项目多内容个性推荐情况较多，其准确率较低。

3.基于用户聚类的协同过滤推荐算法

3.1用户聚类

用户聚类就是试图找到具有共同喜好的用户组，将用户聚集成不同的簇，同一簇内的用户具有较高的相似性，而不同簇中的用户则具有较低的相似性。通过对用户的聚类，可以发现群体用户的兴趣所在，以提高处理海量增长的数据集的效率。

根据用户的特征相似性，采用蚂蚁自组织聚类的思想对用户进行类聚。先从n个数据对象中设定聚类数目k和k个聚类的初始聚类中心，计算出用户与聚类中心的特征相似性[5]，逐个将需聚类的用户样本按最小距离准则分配给K个聚类中心中的某一个聚类中心。计算各个聚类中心的新的向量值，求各聚类簇中所包含用户的均值向量。并以均值向量作为新的聚类中心。不断重复这一过程直到标准测度函数开始收敛为止，最后生成聚类簇。由于该算法能有效辨识用户之间的特征相似性，因此聚类结果较为合理。

3.2查找邻居用户

邻居用户的查找是在各个聚类簇中进行的，因此，首先，根据用户的基本特征数据，综合计算相似性，之后以聚类用户的基本特征数据和聚类用户对项目的评分数据，计算出目标用户与其余所有用户两两之间的综合相似性。其次，邻居用户的选取采用k均值算法来进行，通过用户之间综合相似性排序，选择相似性值最大的k个用户作为目标用户的邻居用户。

3.3预测目标用户项目评分并得出推荐

在得到邻居用户之后，可以根据邻居用户对项目的评分来预测目标用户对项目的评分。在对目标用户的预测评分过程中，其计算方法与传统协同过滤算法具有一定的相似性，但基于用户聚类的协同过滤推荐算法中的目标用户的预测评分计算公式有所变化，主要用综合相似度将用户对项目偏好的相似性进行替换。基于用户聚类的协同过滤推荐算法，由于考虑了用户对项目的偏好以及用户之间的特征性，而对于新注册的用户，可以通过注册信息对其进行聚类，同时在聚类簇中计算其他用户特征的相似性，从而得到推荐，使传统协同过滤推荐算法中的“冷启动”问题得到解决。此外，通过用户聚类，在用户所属聚类簇中查找邻居用户，降低了邻居用户查找计算量，同时具有相似特征的用户评分对于目标用户具有更大的重要性，使协同过滤推荐更加准确，解决了传统协同过滤推荐中的数据稀疏性问题。

4.结语

个性化推荐系统经过20多年的改进取得了长足的发展。随着应用领域的不断拓展，将其他领域技术与推荐技术相结合逐渐成为一个研究热点，并且应用前景十分广阔。不管从研究方面，还是在应用方面，相对于发达国家而言，我国的电子商务推荐系统都存在较大差距。本文简要论述了基于用户聚类的协同过滤推荐算法，其中尚有很多函待进一步研究的问题，限于篇幅就不一一赘述。相信在未来个性化推荐研究中，我国的个性化推荐必将取得更大的发展。

参考文献

[1]余力，刘鲁.电子商务个性化推荐研究[J].计算机集成制造系统，2012，10（10）：1306-1312.

[2]刘建国，周涛，汪秉宏.个性化推荐系统的研究进展[J].自然科学进展.2009，19（l）：1-15.

[3]王宏超，陈未如，刘 俊.基于客户聚类的商品推荐方法的研究[J].计算机技术与发展，2011，18（7）：212-214.

[4]程 岩，肖小云，吴洁倩.基于聚类分析的电子商务推荐系统[J].计算机工程与应用，2012（24）：175-177.

自荐信标题范文第3篇

(一)标题

推荐信的标题一般由文种名构成，即在第一行正中写上“推荐信”三个字。有的推荐信由于写推荐信同收推荐信双方关系较熟则可以不要标题。

(二)称呼

推荐信要在第二行顶格写上收信方领导的姓名和称呼或只写对方领导的职务，如“尊敬的××局局长：”。

如果推荐人同收推荐信的人是熟人朋友，则也可以用常见的私人信件一样的称呼，如“英华兄：”

(三)正文

推荐信的正文可以概括为开头、中段和结尾三部分构成。

1.开头

推荐信的开头既可以先问候一下对方，略叙思念之情，也可以开门见山直说其事，这要视你和对方的关系而定。假如你和对方见面较多，关系也较为密切，就无须太多的客套话了。要在开头介绍自己(或推荐人)的身份，以及自己同被推荐人之间的关系。同时说明写此信的意图。

2.中段

中段是推荐信的展开部分，要针对用人单位的情况需要，介绍被推荐人的一些情况，如学历学位、专业特长、外语水平、业务能力以及其他能力;以使对方能通过引荐信对被引荐人产生好感，从而达到推荐人才的目的。

如果是自荐信，更要写明自己在原来岗位未能发挥或没有机会发挥的潜能和特长。

3.结尾

再次表达自己希望能办成此事的愿望，恳请领导给予被推荐人工作或晋升机会，并向对方致以感激祝福之情。结尾处也可附上一些被推荐人业绩的有关材料。

4.落款

推荐信的落款要在正文右下方署上推荐者的姓名，以及成文日期的年月日。 有些推荐信还可以注明自己的详细通讯地址，以备以后必要时的联系之用。

推荐信范文

尊敬的领导：

您好!

我是XXXX大学XXXX系的一名学生，即将面临毕业。

XXXX大学是我国XXXX人才的重点培养基地，具有悠久的历史和优良的传统，并且素以治学严谨、育人有方而著称;XXXX大学XXXX系则是全国XXXX学科基地之一。在这样的学习环境下，无论是在知识能力，还是在个人素质修养方面，我都受益非浅。 四年来，在师友的严格教益及个人的努力下，我具备了扎实的专业基础知识，系统地掌握了XXXX、XXXX等有关理论;熟悉涉外工作常用礼仪;具备较好的英语听、说、读、写、译等能力;能熟练操作计算机办公软件。同时，我利用课余时间广泛地涉猎了大量书籍，不但充实了自己，也培养了自己多方面的技能。更重要的是，严谨的学风和端正的学习态度塑造了我朴实、稳重、创新的性格特点。

此外，我还积极地参加各种社会活动，抓住每一个机会，锻炼自己。大学四年，我深深地感受到，与优秀学生共事，使我在竞争中获益;向实际困难挑战，让我在挫折中成长。祖辈们教我勤奋、尽责、善良、正直;中国人民大学培养了我实事求是、开拓进取的作风。 我热爱贵单位所从事的事业，殷切地期望能够在您的领导下，为这一光荣的事业添砖加瓦;并且在实践中不断学习、进步。

收笔之际，郑重地提一个小小的要求： 无论您是否选择我，尊敬的领导，希望您能够接受我诚恳的谢意!

自荐信标题范文第4篇

【关键词】 互联网 置信方案 专家推荐 长效机制 大众分类

1. 需求背景分析

目前，网络数据传递的速度和精确度都已经达到较高的水平，但信息市场的震荡却是愈演愈烈。各类网站信息如雨后春笋般地冒出来，但这种爆发式发展并没有使得“信息实用性”得到大副提高，反而效用下降。“信息超载(Information Overload)”现象随处可见。许多互联网用户乘上“网络”高速火车后，渐有难以驾驭之势。所以可置信信息推荐系统产生了巨大的需求。利用第三方组织机构(组织行业专家学者)的评价，结合长效机制的监督，来自动向用户推荐符合其兴趣特点和信誉保障的高质量信息对象，具有十分现实的意义。

1.1信任缺失

在互联网上，用户普遍反映比较缺乏信任感。Lee等通过调查研究发现，许多消费者不愿意通过网络方式进行商品交易，最主要原因就是信任的缺失(2001)[1]。鲁耀斌(2007)[2]研究结论:信任问题已经成为阻碍移动商务发展的主要因素之一，只要商务交易中“信息不对称性”、“匿名性”、“缺乏控制”和“潜在的机会主义”等问题都没有很好解决，消费者的信任程度就难以提高。

1.2长效机制

美国诺贝尔经济学奖得主(Kenneth Arrow)曾指出“几乎所有商业往来都包含着信任因素，这种行为以一段较长持续时间为前提。”(斯普伦格，2004)[3]。Morgan和Hunt(1994)[4]的“承诺-信任”理论表明，信任和关系承诺是影响合作的重要因素，信任影响关系承诺，关系承诺导致伙伴间的合作，使关系双方不被短期利益所诱惑而关注长期利益。因此，持久性承诺是交易双方关系连续可信任的保证，是长期关系成功的必不可少的要素。应当在互联网世界中，找到、建立一种具有长效性的可靠性承诺方式，来保障消费者的利益关系。

1.3中介监督

第三方信任评价与监督控制，可以作为一种能有效降低信息不对称负作用的手段。有效减少商务交易风险的工具就是构建合理可靠的第三方信任评价(刘丽群,2007)[5]。在信任缺失严重的电子商务交易环境中，可信第三方提供的监督信息和推荐信息对交易双方建立信任关系起到重要作用，信任能达到较高级别；潜在交易者会基于对第三方的强烈承诺，来判断交易对象的可信性(Sulin,2001)[6]。国内对C2C信用体制的研究有较多的实例，卞佳(2008)[7]以淘宝网为例，研究了电子商务信用评价机制的内在机理，指出信用评价机制在梳导卖家诚实行为方面，存在着积极的作用，买家购买的决策和卖家信誉力可以捆绑在一起。

1.4 推荐的作用

有效的个性化行家推荐，可以极大程度的缓解信息不对称、信息伪劣的负面影响，使产品销售方向、劳动者价值取向和用户价值取向相一致。提高可置信度的内容是：

1.4.1形成长期契约。机会主义跟目光短浅、短期效应是相拌相生的，交易过程中的投机行为，只能通过长期性契约来制衡，使得交易各方为了自己的长远利益，情愿放弃本可以轻松获得的“不当利益”。

1.4.2中介参与监督与有效推荐必不可缺。在信任缺失的电子商务环境中，建设并长期维护可置信专家数据仓库，可信第三方提供推荐信息对交易双方建立信任关系起到“信任桥梁”的作用，必须引入“多轮次专家推荐”的长久监督机制，能最有效地使消费者获得可置信承诺，并扩大消费的规模和效益。

2.热推荐技术

基于互联网的“大众分类”、“知识地图”、“活动标签”和“Web3.0”等模块功能，能够搭起广域范围内的消费者可以方便参与的交互性平台，并可以大范围开展和组织专家认证；依托DBS进行长期过程存储，从技术层面上就确保了对长效机制下进行信息推荐系统的支持。

2.1大众分类技术

Thomas Vander Wall提出Folksonomy的概念，即大众分类法[8]，是“个人用户为了满足自身检索的需要，对信息或对象自由添加标签，热标签同类而聚的结果”。大众分类在给网络用户提供方便标注和检索的同时，也存在着：多样性、模糊性、扁平化结构和语义关系缺乏等缺陷，这些缺陷制约着Web3.0的“个性、精准和智能”这一核心理念的真正实现[9]。“大众分类”简单应用的必然结果是：息源和信息量的激增，衍生信息杂乱无章，纯净度和可信度逐步降低，搜索引擎精准度逐步下降。根据大众分类技术的应用实际，应当对“大众分类法”进行合理扩展和演变，否则这种便捷的互动交流和协同共享方式难以持久。

2.2活动标签

大众分类技术中的“活动标签”，是大众参与的、一种随机性聚类方法，能自然形成标签网络，形成虚拟的社区结构，从而能更深层次的挖掘信息价值。Macgregor和Mc Culloch (2006)将“协作标注”视为一个知识组织和资源发现的工具，它允许用户参与管理信息，其过程可实现交互，用户基础很好，他预测大众分类法和受控词表将共同存在，发挥其各自的优势[10]。社会性的“活动标注”能改进网页检索性能，提出一种“"Web页面”和用户查询相关联，并互相增强关系的排序算法，能使相关标签与用户兴趣、网页内容都赋予个性化权重，优化查询过程，增强客户关系。如能长期积累，并保持高信誉度，则必将获得广大用户的信赖。田莹颖(2010)结合后控词表，对用户分散的、个性化的标注进行处理，并将用户兴趣进行标示，借鉴协同过滤算法的思想，寻找出相似用户集及其内部的资源集，提出一种基于社会化标签系统的个性化推荐方法[11]。

2.3主题推荐

在互联网络中，已经普及的知识总以显性的形式存在，如果没有较好的梳理、排序机制，很快就会被“信息超载”，解决问题的技术手段就是建立主题推荐机制。将吸引力和潜在价值的信息浮动与普通信息之上，防止信息数目突破消费者的视觉忍可度。Emanuele Quintarelli的论文将大众分类法与传统的分类法进行了详细的对比，指出大众分类法提供一个新的角度来看待信息的分类组织，将大众分类法的思想借鉴到其他环境中，能够更好地发挥“大众的力量”[12]。

3. 专家推荐服务模型

3.1专家权威性

在以客户为中心的市场环境中，衡量“专家权威性”是市场主动推荐战略的关键。可信的信息结果才能缓解生产者和服务的抱怨，这对于维系良好的供给关系具有重要的作用。专家推荐服务既要注重经营者的绩效属性，更要注重维系良好市场秩序氛围，充分调动“专家权威性”的影响。目前，电子商务产品网络销售服务缺乏良好的专家信息推荐系统的支持，其主要原因就是缺乏可行的“专家权威性”验证方法。

3.2 德尔菲法网络化应用

通常情况下，实施德尔菲法时，经过信息的反馈，专家的反应逐渐集中，并且越往后专家组的群体意见结果将越来越准确。在互联网上，由“第三方中介”针对研究主题，初步确定的一系列评价指标，经过多轮征询后，将比较集中的专家意见推荐给消费者；专家意见通过互联网络公开，受大众监督，要经过较长时间的“考验”，对专家来说，是一种荣誉积累的过程。通过网络，可以监督专家组对每个指标判断结果的分布情况、平均值及一致意见，以及多轮次的变化情况，不断更新专家荣誉积累的结果。专家成员由专家库给出，系统的信息指标越是接近消费者的期望特征，则信息把握的满足度就越高，所推荐专家的权威就积累的越高。

3.3推荐过程设计

多轮次专家推荐型信息服务中，包含以下难点问题:①可置信特征和信息价值并非完全事先确定。②用户对信息的需求以及信息资源集合都是变化的，即时得到有效推荐信息还是具有相当难度的。③先要获得市场支持，再逐渐淘汰低水平专家，如此反复多轮，才能获得经济价值与社会价值相一致的结果，才能被社会大众所接受。

针对难点问题，专家推荐系统根据相关有价值信息出现的频率和位置等信息，利用一些已有的或者新搜集的“大众热访问词条”建立“活动标签”列表，对目标“产品”进行“权值性”评分排序。针对用户信息特征的期望指标及各种属性，可先推荐一组特征分值(对每一项期望指标都相当于一种信息分值)，通过推荐训练和筛选，多次反复推荐，修正各种优越特征的分值幅度，多轮次循环，直到建立出合适的信息期望指标及各种分值列表，最终推荐到用户标签页面上。

3.3推荐处理效果评价

本研究对电了商务网站的核心业务流程进行了划分，分别归入专家推荐、大众分类和营销价值三个维度中，通过对“因子”之间关系得分的检查，获得“信息获得”与其它业务流程的密切关系的数量指标，把信息沟通的推荐价值作为一项主要流程，对于消费者网络的营销能力进行评价。(1)用户对商家的访问兴趣，与他们的“热标签”习惯有很强的关联性，反映了消费者的消费趋向。(2)推荐结果的“信息熵”为评定产品依据，能提供一种简便实用的价值尺度，可以为专家借鉴使用。

在专家推荐、大众分类和营销价值三个方面的综合应用，显示专家推荐能力的影响作用相对于营销效能的影响来说是最大的。从对营销能力的各分项指标来说，“专家推荐”对客户管理能力和市场学习能力的影响要更大一些，表明“经营者”可以通过“专家推荐栏目”获得更强的客户管理能力与市场学习能力。

全国教育科学规划课题(FFB090665)

参考文献：

[1] Lee M K, Turban E. A Trust Model for Consumer Internet Shopping[J].International Journal of Electronic Commerce, 2001,6 (1):75-91.

[2] 鲁耀斌，邓朝华，章淑婷.基于Trust-TAM的移动商务服务消费者采纳研究[J].信息系统学报,2007, 1(1):46-59.

[3] 莱恩哈德·斯普伦格.信任[M].胡越.北京:当代中国出版社,2004.

[4] Morgan R. M., Hunt S. D.The commit-ment-trust theory of relationship marketing[J].Journal of Marketing,1994, 58(3): 20-39.

[5] 刘丽群.宋咏梅,虚拟社区中知识交流的行为动机及影响因素研究[J],新闻与传播研究, 2007-1, 14(1),43-51.

[6] Sulin B. Establishing Online Trust through A Community Responsibility System[J].Decision Support Systems, 2001, 31:323-336.

[7] 卞佳.基于第三方平台的电子商务信用评价机制研究[D],南京南京理工大学.2008

[8] Thomas V W.Folksonomy Explanations [EB/OL]., lrandom /entrysel.php?blog=1622. 2011-10-12

[9] Thomas V W .Explaining and Showing Broad and Narrow Folksonomies[EB/OL].(2005-02-21) [2010-10-12] ,/random/entrysel.php?bloc=1635.

[10] Macgregor G, Mc Culloch E. Collaborative tagging as a knowledge organisation and resource discovery tool[J].Library Review.2006.55(5): 291-300.

[11] 田莹颖.基于社会化标签系统的个性化信息推荐探讨[[J].图书情报工作，2010(1):50-54.

[12] Emanuele Q.Folksonomies:power to the people[C/OL].ISKO Italy-UniMIB meeting.Milan, (2005-01-24) [2010-10-12] , /doc/folksonomies.htm.

自荐信标题范文第5篇

关键词：电子商务；信任社区；推荐模型；信任推荐

1 引言

随着互联网应用普及率日益提高，电子商务行业飞速发展，但同时信息“超载”问题越发严重，用户往往需要花大量时间来甄别符合自己需求的商品，大大增加了搜索成本。为了帮助消费者快速、准确挑选出需要的商品，不少电商网站根据用户的商品评分，并结合评分相似性为用户推荐其感兴趣的商品。早期研究集中在改进推荐算法提高推荐准确率，当前则更倾向于利用用户模型描述信息来改善推荐方法。但将具有相似兴趣、喜好的用户进行聚类推荐的研究较少。

本文提出一种基于信任社区的电子商务推荐方法，将用户划分到不同的用户社区，计算社区用户间的信任度，进而帮助用户找到若干信任邻居。最后根据用户信任邻居对商品的评价及商品自身的评价预测用户对未购买商品的评分，将预测评分较高的商品推荐给用户。

2 信任社区构建

将电子商务平台中的每一位用户看作一个节点，双方之间的兴趣相似性和信任关系看作节点之间的连接，这就形成一种用户信任社区。在其构建过程中，首先根据每位用户的行为日志和兴趣相似性将用户进行聚类划分，然后计算相应聚类中各个节点间信任值，并据此为用户找到最信任的邻居集合，如图1所示。

2.1 用户聚类

而ι的取值与交互的次数有关。当请求节点计算出服务节点的信任值后与预设的交互可靠性最低阈值Tmin比较，满足Tobject>Tmin的节点生成一个信任值列表，将信任值最大的n个用户作为目标用户的top_n最信任邻居集。

3 电子商务推荐模型

为帮助用户找到符合自身需求且可靠的商品，本模型将通过分析目标商品获得的所有评价信息和目标用户在信任社区中的信任邻居对目标商品的评价信息，经过运算分析后给出商品的最终推荐得分。具体的计算公式如下所示：

为线性遗忘函数，α、b为常数， （其中du，i表示用户u访问商品 与其对商品i进行评价的时间差值，T为时间间隔的基本单位）。该函数为单调递减函数，值域为（0，1]，反映出不同时间段的用户给出的商品评分对推荐值计算结果的重要性。i为用户查看的商品，P（i）为商品获得的评价得分，Pc（i）为信任邻居对商品的评价得分，m为商品获得评价的数量，n为信任邻居的数量

4 实证分析

为验证该电子商务推荐模型的有效性，本文代入MovieLens（历史最悠久的电影推荐系统）中的指标数据进行实证分析，以推荐预测值和MovieLens平台的真实推荐得分之间的绝对误差（Mean Absolute Error，MAE）来度量模型的有效性。

提取570部电影数据分别代入基于信任社区的推荐模型和基于协同过滤的推荐模型，然后将前者的推荐得分（R-value）和后者的推荐得分（C-value）与真实推荐得分（M-value）进行比较，得出平均绝对误差，如图4所示。误差越小，推荐结果越准确。初始阶段，后者推荐准确性优于前者，但随参与电影量提升，前者的推荐准确性更高。

为检验推荐模型抵御虚假评价的能力，对数据集中一些指标的评分进行改变，并重新进行计算与比较，得到新的平均绝对误差（R-M*），并与先前的结果比较，如图5所示，该模型起初受到的影响较大，使得R-M*比之前有所增加，不过随着参与电影量提升，受到的影响逐渐降低，最终两者的差距控制在相对合理的范围内。因此，可以说明该模型具备一定的抵御虚假评价的能力。

5 结论

通过上述实验结果可以得出如下结论：本文提出的基于信任社区的电子商务推荐模型相对于现有的基于协同过滤的推荐模型用着更好的推荐准确性，并且还具备了更加良好的抵御虚假评价的能力，能够为用户提供可靠、有效的商品推荐服务。不过本模型没有考虑冷启动问题，无法对新上架的和消费者从未购买过的商品进行推荐，因此还需进一步的改进。

[参考文献]

[1]王强，储昭.依赖、信任和承诺对第三方物流整合及其绩效的影响：基于中国的实证研究[J].中国软科学，2012，（2）：117-121.