社交網(wǎng)絡(luò)媒體中若干社會化推薦算法研究.pdf

1、社會化推薦系統(tǒng)隨著社交網(wǎng)絡(luò)平臺的流行以及用戶對社交媒體的重度參與，成為了社交平臺中信息過濾的重要手段，廣泛地應(yīng)用于各樣的社交平臺及電子商務(wù)領(lǐng)域中，成為當前推薦系統(tǒng)研究的一個熱點，具有較大的學術(shù)意義與商業(yè)應(yīng)用價值。
　　社會推薦可以簡單由兩個方面組成:利用社交信息推薦傳統(tǒng)物品，推薦社交網(wǎng)絡(luò)平臺中復(fù)雜多樣的關(guān)系數(shù)據(jù)。本文針對這兩個方面提出了不同的社會化推薦算法，主要工作如下:
　　1.提出基于社區(qū)關(guān)系的社交最近鄰權(quán)重算法，是一種

2、針對用戶間影響權(quán)重計算的改進的鄰居方法。重點在于發(fā)現(xiàn)社交關(guān)系網(wǎng)絡(luò)中的社區(qū)之后，利用朋友對目標用戶所在群體的相關(guān)性來代替?zhèn)鹘y(tǒng)用戶相似度計算。
　　2.提出基于社交網(wǎng)絡(luò)最大影響力模型的最近鄰尋找算法。將社會關(guān)系網(wǎng)絡(luò)中的最大影響力結(jié)點作為新的最近鄰集合，并且將這個鄰居關(guān)系進行擴展，進一步提出了基于最大影響力關(guān)系的概率矩陣分解模型。與傳統(tǒng)的社交矩陣分解模型相比，最大影響力的概率矩陣分解模型對冷啟動用戶有更好的性能。
　　3.提出基于