基于用戶(hù)網(wǎng)絡(luò)社交信息的推薦算法研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)和信息技術(shù)的飛躍發(fā)展，作為信息過(guò)濾的一項(xiàng)重要解決方案，個(gè)性化推薦技術(shù)得到了廣泛的研究與應(yīng)用，各大互聯(lián)網(wǎng)網(wǎng)站紛紛提供了個(gè)性化推薦服務(wù)以提高網(wǎng)站的核心競(jìng)爭(zhēng)力。盡管協(xié)同過(guò)濾推薦算法在推薦系統(tǒng)中廣泛應(yīng)用并且獲得了巨大的成功，但隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)資源信息越來(lái)越龐大，網(wǎng)絡(luò)用戶(hù)人數(shù)越來(lái)越多，協(xié)同過(guò)濾的發(fā)展也面臨著巨大挑戰(zhàn)，比如數(shù)據(jù)稀疏、冷啟動(dòng)等問(wèn)題。近幾年，隨著以FaceBook、微博、微信為代表的社交媒體的流行，給個(gè)性化推薦研究提供了

2、新的思路，通過(guò)分析和挖掘用戶(hù)在社交網(wǎng)絡(luò)中的海量信息和行為以及社交關(guān)系，可以知道用戶(hù)的興趣愛(ài)好，進(jìn)而為用戶(hù)提供更加準(zhǔn)確的個(gè)性化服務(wù)。為緩解數(shù)據(jù)稀疏造成的推薦質(zhì)量低的問(wèn)題，本文將用戶(hù)社交網(wǎng)絡(luò)關(guān)系融入了協(xié)同過(guò)濾推薦算法中，來(lái)提高推薦的準(zhǔn)確度。本文的具體研究工作如下：
　?。?）重點(diǎn)研究了協(xié)同過(guò)濾算法，分析了協(xié)同過(guò)濾技術(shù)目前存在的問(wèn)題，針對(duì)數(shù)據(jù)稀疏性問(wèn)題，提出了一種組合推薦算法。算法的思想是將Slope One算法和基于用戶(hù)的協(xié)同過(guò)濾算法

3、技術(shù)通過(guò)疊加的方式結(jié)合起來(lái)，利用Slope One簡(jiǎn)單、高效、準(zhǔn)確度高的優(yōu)點(diǎn)來(lái)對(duì)評(píng)分矩陣進(jìn)行填充，緩解數(shù)據(jù)稀疏性問(wèn)題，最后給出了算法的具體實(shí)現(xiàn)過(guò)程。
　?。?）分析了目前比較經(jīng)典的幾種相似度算法的原理與缺點(diǎn)。針對(duì)不足之處，分析了社交網(wǎng)絡(luò)信息對(duì)推薦的意義，然后綜合利用用戶(hù)的個(gè)人偏好信息和社交網(wǎng)絡(luò)關(guān)系特征做出推薦。通過(guò)將用戶(hù)個(gè)人偏好信息計(jì)算的用戶(hù)相似度和利用社交網(wǎng)絡(luò)關(guān)系計(jì)算的用戶(hù)相似度進(jìn)行線性加權(quán)融合，不僅可以提高推薦質(zhì)量，也可以增加