基于社交網(wǎng)絡(luò)好友信任度的個(gè)性化推薦系統(tǒng)研究.pdf

1、伴隨著信息化的腳步，計(jì)算機(jī)技術(shù)不斷發(fā)展，互聯(lián)網(wǎng)日趨普及，網(wǎng)絡(luò)上信息數(shù)量不斷擴(kuò)大，用戶可以更自由的獲取信息，這滿足了用戶的信息需求。但是隨著網(wǎng)絡(luò)上信息的大幅增長(zhǎng)，用戶在有限的時(shí)間里面對(duì)龐大的信息并對(duì)其進(jìn)行處理的能力卻在下降。面對(duì)此種信息超載現(xiàn)象，傳統(tǒng)的人工過(guò)濾搜索算法已經(jīng)無(wú)法適應(yīng)當(dāng)前的形式。個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生，并且在越來(lái)越多的學(xué)者的參與以及帶領(lǐng)下，正在迅速發(fā)展并形成了一定的理論基礎(chǔ)。
　　近年來(lái)，隨著個(gè)性化推薦系統(tǒng)的興起，上述信

2、息超載情況得到了部分的緩解。個(gè)性化推薦系統(tǒng)是基于物品評(píng)分和用戶偏好，根據(jù)相應(yīng)的推薦算法來(lái)做出個(gè)性化推薦的，現(xiàn)已被用于音樂(lè)推薦、視頻推薦、商品推薦等多個(gè)電子商務(wù)領(lǐng)域。
　　推薦算法是推薦系統(tǒng)的靈魂，包括常見(jiàn)的協(xié)同過(guò)濾，它又進(jìn)一步細(xì)分為基于用戶和基于物品兩大類。協(xié)同過(guò)濾面臨評(píng)分矩陣稀疏、用戶和物品冷啟動(dòng)等問(wèn)題，并且推薦質(zhì)量不算太高。
　　在當(dāng)今社交網(wǎng)絡(luò)非常發(fā)達(dá)的情況下，人們往往容易選擇好友推薦的物品。在用戶評(píng)分信息過(guò)少或新物品加

3、入到推薦系統(tǒng)的情況下，有時(shí)候基于社交網(wǎng)絡(luò)的推薦能夠彌補(bǔ)協(xié)同過(guò)濾的一些不足。
　　針對(duì)上述算法的缺點(diǎn)和問(wèn)題以及社交網(wǎng)絡(luò)的影響，本文提出在協(xié)同過(guò)濾的基礎(chǔ)上加入社交網(wǎng)絡(luò)信息的推薦算法。首先，考慮到要使用社交網(wǎng)絡(luò)好友關(guān)系等信息，為了較好的融合效果，選擇基于用戶的協(xié)同過(guò)濾算法對(duì)目標(biāo)物品進(jìn)行評(píng)分預(yù)測(cè)。后聯(lián)合標(biāo)記書簽的信息和用戶好友關(guān)系的信息建立社交網(wǎng)絡(luò)信任度矩陣，利用隨機(jī)漫步算法在信任度矩陣上也對(duì)目標(biāo)物品進(jìn)行評(píng)分預(yù)測(cè)。最后對(duì)兩種預(yù)測(cè)的評(píng)分進(jìn)行