社交網(wǎng)站中基于用戶社會活動和好友網(wǎng)絡(luò)的推薦技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，全球網(wǎng)民數(shù)量急劇增長?；ヂ?lián)網(wǎng)世界中，人們在獲取信息的同時也創(chuàng)造著信息，如何為用戶挖掘有用的信息，避免信息過載帶來的不良體驗，成為學(xué)術(shù)界和業(yè)界關(guān)注的熱點問題。個性化推薦系統(tǒng)便為解決此類問題應(yīng)運而生，它旨在分析并挖掘用戶興趣，幫助用戶在大量信息中快速作出決策;或為用戶推薦潛在感興趣的內(nèi)容，從而提升用戶體驗。近年來的社交網(wǎng)絡(luò)站點大多已實現(xiàn)了推薦系統(tǒng)的雛形，可為用戶推薦好友或感興趣的內(nèi)容。隨著社交網(wǎng)站用戶規(guī)模和好友網(wǎng)絡(luò)的不

2、斷擴大，用戶生成內(nèi)容急劇增多，社交網(wǎng)站中用戶面臨兩個普遍問題:(1)由于信息過載，導(dǎo)致用戶錯過感興趣的話題;(2)由于好友眾多，話題的分享者難以篩選出待分享的目標(biāo)用戶。
　　協(xié)同過濾技術(shù)(Collaborative Filtering，CF)是迄今為止最成功的個性化推薦技術(shù)之一。由于社交網(wǎng)站自身特性，基于協(xié)同過濾技術(shù)的傳統(tǒng)推薦方法在用于社交網(wǎng)站的推薦時，存在一定的局限性。近些年，基于社交網(wǎng)站的個性化推薦的研究越來越多，大部分的文獻

3、關(guān)注于將社交網(wǎng)站中社會上下文信息建模集成到協(xié)同過濾模型中以改進推薦效果。本文從上述兩個問題出發(fā)，基于協(xié)同過濾的基本思想，從聚集相關(guān)用戶的角度將可能錯過的話題推薦給用戶，并為分享者推薦好友列表輔助篩選目標(biāo)分享用戶，主要工作包括以下幾個方面:
　　提出一個基于用戶社會活動和好友網(wǎng)絡(luò)的推薦算法SoSAN，它結(jié)合用戶之間的關(guān)注度和興趣相似度構(gòu)建用戶之間影響度。SoSAN推薦算法在計算用戶相似度時采用本文基于Jaccard改進的相似性方法，

4、該方法擴大了用戶共同評論行為的權(quán)重?；谡鎸嵣缃痪W(wǎng)絡(luò)的實驗分析表明，基于影響度的推薦可提高推薦質(zhì)量，基于Jaccard改進的相似度方法比標(biāo)準(zhǔn)Jaccard表現(xiàn)出更佳效果;
　　提出一個ComL線性模型，用于為分享者推薦一個好友列表輔助篩選目標(biāo)好友，它基于分享者的分享習(xí)慣和候選好友對分享話題的興趣度構(gòu)建。基于真實社交網(wǎng)絡(luò)的實驗分析表明，ComL可表現(xiàn)出最優(yōu)的命中率;
　　提出一個可應(yīng)用于典型社交網(wǎng)站的具有良好通用性的推薦系統(tǒng)框