基于用戶關(guān)系的矩陣分解推薦算法研究.pdf

1、在互聯(lián)網(wǎng)信息量以不可估量的速度增長的時(shí)代，用戶在混雜各種各樣信息的信息池中找到所需的內(nèi)容已然成為一個(gè)棘手的問題。針對(duì)這一問題，推薦系統(tǒng)被提出。推薦系統(tǒng)是一種新的計(jì)算模型，它試圖從海量信息中過濾出目標(biāo)用戶可能感興趣的信息。原始的推薦算法普遍基于協(xié)同過濾的思想，這種思路來源于人們?cè)谶x購商品時(shí)的自然法則。通常，用戶對(duì)于未知物品束手無策時(shí)總是會(huì)請(qǐng)教身邊有經(jīng)驗(yàn)的人，然后根據(jù)這些人的經(jīng)驗(yàn)分享判斷物品是否有用。協(xié)同過濾算法將這種思想運(yùn)用在推薦系統(tǒng)上。

2、然而，協(xié)同過濾主要存在三類問題:數(shù)據(jù)稀疏性高、冷啟動(dòng)以及系統(tǒng)的可擴(kuò)展性。為緩解上述問題，基于社會(huì)網(wǎng)絡(luò)的推薦系統(tǒng)應(yīng)運(yùn)而生。社會(huì)網(wǎng)絡(luò)的形成是通過人們?cè)诨ヂ?lián)網(wǎng)上的交互行為，這種用戶關(guān)系從各方面體現(xiàn)了人們?cè)谡鎸?shí)社會(huì)中的人際關(guān)系。因此，將社會(huì)網(wǎng)絡(luò)與推薦系統(tǒng)組合形成基于社會(huì)網(wǎng)絡(luò)的推薦系統(tǒng)能夠豐富推薦結(jié)果。
　　矩陣分解模型是推薦系統(tǒng)的經(jīng)典模型，由于其具有良好的可擴(kuò)展性，使得社會(huì)網(wǎng)絡(luò)信息易于與該模型結(jié)合。在這一機(jī)制下，提取相似用戶群體是提高推薦

3、系統(tǒng)準(zhǔn)確性的關(guān)鍵因素。傳統(tǒng)的相似性函數(shù)是評(píng)判兩個(gè)用戶對(duì)于相同物品的反饋行為的相似性，其中，反饋行為的相似性并不能說明兩個(gè)用戶具有相似的興趣愛好，而且，該方法忽略了用戶的社會(huì)關(guān)系的作用。因此，本文通過深入分析用戶間的關(guān)聯(lián)程度，提出了兩種新的興趣相似性計(jì)算函數(shù)，并針對(duì)相似性函數(shù)的特性分別建立新的社會(huì)正則化，最后將其運(yùn)用在基于矩陣分解的推薦模型中。
　　通過對(duì)上述研究工作的深入分析，發(fā)現(xiàn)這兩個(gè)新的相似性函數(shù)一個(gè)反映了用戶間一對(duì)一的興趣相