在線網(wǎng)絡(luò)中推薦系統(tǒng)相關(guān)算法的研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡(luò)上的信息也急劇增長，我們很難快速準(zhǔn)確地獲取有用的信息。因此，我們急需一種信息過濾技術(shù)來找出我們想要的內(nèi)容。面對信息過載問題，推薦系統(tǒng)經(jīng)過不斷的完善與發(fā)展，已經(jīng)越來越受到人們的關(guān)注。
　　本文針對在線網(wǎng)絡(luò)中不同類型的應(yīng)用，提出了一系列有針對性的推薦算法，主要的研究成果和創(chuàng)新點(diǎn)在以下幾個方面:
　　(1)提出了基于加權(quán)的社交網(wǎng)絡(luò)和物品關(guān)系的方法。在推薦系統(tǒng)中，協(xié)同過濾是最流行的方法之一，該方法利用了用戶

2、的歷史行為數(shù)據(jù)來進(jìn)行推薦。雖然協(xié)同過濾已被廣泛運(yùn)用，但仍沒有很好的解決諸如冷啟動用戶等問題。隨著社交網(wǎng)絡(luò)的興起，一些基于社交的方法也慢慢受到大家的重視。這些方法都基于一個假設(shè)，那就是在社交網(wǎng)絡(luò)中，用戶的愛好很容易受到其信任朋友的影響。但是這些基于社交網(wǎng)絡(luò)的方法并沒有區(qū)分對待不同朋友，而在現(xiàn)實(shí)生活中，我們更愿意相信親密朋友的意見。
　　基于加權(quán)的社交網(wǎng)絡(luò)和物品關(guān)系的方法可以有效的解決上述問題。在基于社交網(wǎng)絡(luò)算法的基礎(chǔ)上，我們不僅考慮

3、了信任朋友的影響，還對不同的信任朋友賦予不同的值，其權(quán)值由用戶之間的相似度來代替。另外，由于被同一個用戶所喜歡的物品通常具有一定的相似性，因此我們還考慮了物品之間的關(guān)系。由于冷啟動用戶不僅行為較少，而且信任關(guān)系也很少，因此利用物品之間的關(guān)系也可以緩解冷啟動用戶問題。在實(shí)驗(yàn)中，我們利用Epinions數(shù)據(jù)集來對模型進(jìn)行驗(yàn)證。從結(jié)果中可以看出本文的模型比其他方法在不同的設(shè)置上都要好，尤其是對于冷啟動用戶。
　　(2)提出了基于頻繁N元

4、概念的方法。在社交網(wǎng)絡(luò)中，許多用戶都會通過給物品評分或者建立標(biāo)簽來達(dá)到分享的目的。因此，在用戶、物品、評分、標(biāo)簽以及其他數(shù)據(jù)中存在一些隱藏的語義關(guān)系。以前大多數(shù)的工作只集中在＜users，items，ratings＞或者＜users，items，tags＞等三元關(guān)系上，但三元關(guān)系是遠(yuǎn)遠(yuǎn)不夠的，其丟失了許多重要的信息，不能提供準(zhǔn)確的推薦結(jié)果。
　　基于頻繁N元概念的方法充分利用了不同的數(shù)據(jù)，挖掘出其中隱藏的語義關(guān)系。如果有標(biāo)簽數(shù)據(jù)，