基于復(fù)雜網(wǎng)絡(luò)的個性化推薦算法研究.pdf

1、隨著計算機和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)中可獲得的信息量呈指數(shù)增長。但這也導(dǎo)致信息過載問題，即信息的利用率反而降低。信息推薦技術(shù)，或推薦系統(tǒng)，被認為是解決信息過載最有效的工具之一。信息推薦技術(shù)是科學(xué)研究和工程應(yīng)用中的熱點問題。
　　利用復(fù)雜網(wǎng)絡(luò)理論和數(shù)據(jù)挖掘方法，本文主要致力于理解推薦系統(tǒng)中各要素特性和作用，探索提升準確性和多樣性的信息推薦算法。主要工作如下：
　　1.提出一種利用非近鄰用戶貢獻的協(xié)同過濾推薦算法，該算法通過線

2、性擬合的方式把近鄰和非近鄰用戶的作用同時應(yīng)用于推薦系統(tǒng)，結(jié)果顯示，我們算法的準確性和多樣性均優(yōu)于傳統(tǒng)的協(xié)同過濾算法。
　　2.利用物質(zhì)擴散過程在帶權(quán)網(wǎng)絡(luò)上的投影，我們分析了低分在推薦系統(tǒng)中的作用。結(jié)果表明，在稀疏的數(shù)據(jù)中，低分的作用有可能是正面的。更進一步地，活躍用戶與流行商品的低分通常起著負面作用，非活躍用戶與非流行商品的低分的作用反而是正面的。
　　3.提出一種基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法。該算法僅僅利用用戶是否點擊商品的信息

3、來建立網(wǎng)絡(luò)模型，并利用隨機游走過程來計算用戶之間的相似度，結(jié)果表明，我們算法在效率和準確率兩個方面都要好于傳統(tǒng)的協(xié)同過濾算法。
　　4.提出一種解決推薦系統(tǒng)冷啟動問題的算法，該算法通過逐個選擇對推薦系統(tǒng)貢獻最大的商品來進行評分，從而使得在用戶評分較少的情況下，推薦算法也能做出比較準確的推薦結(jié)果。
　　5.提出了一種新的算法專門用于冷門商品的推薦，該算法為每個商品找到可能對其感興趣的用戶，因此每個商品能夠至少被推薦一次。結(jié)果表