基于用戶網(wǎng)絡(luò)社交信息的推薦算法研究與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)和信息技術(shù)的飛躍發(fā)展，作為信息過濾的一項重要解決方案，個性化推薦技術(shù)得到了廣泛的研究與應(yīng)用，各大互聯(lián)網(wǎng)網(wǎng)站紛紛提供了個性化推薦服務(wù)以提高網(wǎng)站的核心競爭力。盡管協(xié)同過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)資源信息越來越龐大，網(wǎng)絡(luò)用戶人數(shù)越來越多，協(xié)同過濾的發(fā)展也面臨著巨大挑戰(zhàn)，比如數(shù)據(jù)稀疏、冷啟動等問題。近幾年，隨著以FaceBook、微博、微信為代表的社交媒體的流行，給個性化推薦研究提供了

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

3、技術(shù)通過疊加的方式結(jié)合起來，利用Slope One簡單、高效、準(zhǔn)確度高的優(yōu)點來對評分矩陣進行填充，緩解數(shù)據(jù)稀疏性問題，最后給出了算法的具體實現(xiàn)過程。
　?。?）分析了目前比較經(jīng)典的幾種相似度算法的原理與缺點。針對不足之處，分析了社交網(wǎng)絡(luò)信息對推薦的意義，然后綜合利用用戶的個人偏好信息和社交網(wǎng)絡(luò)關(guān)系特征做出推薦。通過將用戶個人偏好信息計算的用戶相似度和利用社交網(wǎng)絡(luò)關(guān)系計算的用戶相似度進行線性加權(quán)融合，不僅可以提高推薦質(zhì)量，也可以增加