社會(huì)網(wǎng)絡(luò)中社團(tuán)發(fā)現(xiàn)與協(xié)同推薦技術(shù)的研究.pdf

1、社會(huì)網(wǎng)絡(luò)是指社會(huì)個(gè)體成員之間互動(dòng)形成的相對(duì)穩(wěn)定的網(wǎng)絡(luò)體系。社團(tuán)發(fā)現(xiàn)和協(xié)同過濾推薦技術(shù)都是社會(huì)網(wǎng)絡(luò)中重要的研究熱點(diǎn)。其中，社團(tuán)發(fā)現(xiàn)技術(shù)有助于揭示社會(huì)網(wǎng)絡(luò)中的普遍規(guī)律，而協(xié)同過濾推薦技術(shù)一般用于解決信息過載問題。這兩種技術(shù)在本質(zhì)上有一定的關(guān)聯(lián)性：協(xié)同過濾推薦中的最近鄰居集實(shí)質(zhì)上是一個(gè)與目標(biāo)用戶最相似的社團(tuán)，有些協(xié)同推薦在解決稀疏性問題時(shí)也有考慮社團(tuán)問題。但是，它們也都存在一定的不足：傳統(tǒng)的社團(tuán)發(fā)現(xiàn)算法忽略了核心節(jié)點(diǎn)在整個(gè)社團(tuán)的結(jié)構(gòu)變化、興趣

2、遷移過程中的作用；協(xié)同過濾技術(shù)難以解決的數(shù)據(jù)稀疏性問題，即使在與社團(tuán)發(fā)現(xiàn)技術(shù)結(jié)合時(shí)，也并未考慮核心節(jié)點(diǎn)對(duì)推薦的影響。針對(duì)這些不足，本文基于對(duì)社團(tuán)發(fā)現(xiàn)與協(xié)同過濾技術(shù)對(duì)社會(huì)網(wǎng)絡(luò)進(jìn)行了以下研究：
　?。?）核心節(jié)點(diǎn)度量方法及社團(tuán)發(fā)現(xiàn)算法研究。通過分析核心節(jié)點(diǎn)對(duì)社團(tuán)結(jié)構(gòu)的影響，提出一種基于核心節(jié)點(diǎn)的社團(tuán)發(fā)現(xiàn)算法。首先，依據(jù)社團(tuán)結(jié)構(gòu)中節(jié)點(diǎn)的不同重要性，建立一種基于內(nèi)部可信度和外部可信度的核心節(jié)點(diǎn)度量方法；其次，依據(jù)核心度來發(fā)現(xiàn)核心節(jié)點(diǎn)；最后

3、，使用基于核心節(jié)點(diǎn)擴(kuò)散的改進(jìn)的K-means算法對(duì)網(wǎng)絡(luò)社團(tuán)進(jìn)行劃分，克服K-means算法中存在的對(duì)初始節(jié)點(diǎn)選擇敏感的問題，并充分保留該算法在大數(shù)據(jù)集上應(yīng)用的優(yōu)勢(shì)，并利用模塊度 Q值作為社團(tuán)劃分終止的標(biāo)志。經(jīng)過驗(yàn)證，此算法得到了比較好的劃分效果。
　　（2）基于社團(tuán)發(fā)現(xiàn)的協(xié)同過濾推薦算法研究。通過分析核心節(jié)點(diǎn)在協(xié)同推薦中的作用，本文將基于核心節(jié)點(diǎn)的社團(tuán)發(fā)現(xiàn)技術(shù)與協(xié)同推薦技術(shù)結(jié)合起來，提出一種基于社團(tuán)發(fā)現(xiàn)的協(xié)同推薦算法。首先針對(duì)傳統(tǒng)

4、的余弦相似性方法中存在的相似度估計(jì)過高問題，對(duì)相似度計(jì)算方法進(jìn)行改進(jìn)，在社團(tuán)內(nèi)按照用戶評(píng)分對(duì)用戶進(jìn)行相似度計(jì)算，并根據(jù)用戶特征相似度對(duì)其進(jìn)行修正；其次，使用Top-k近鄰模型獲取最近鄰居集合；最后，利用最近鄰居集合進(jìn)行評(píng)分預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，對(duì)社團(tuán)進(jìn)行劃分以后，在社團(tuán)內(nèi)進(jìn)行協(xié)同過濾，可以極大地緩解稀疏性問題，可以提高推薦的效率。
　?。?）基于上述研究成果開發(fā)了基于社團(tuán)發(fā)現(xiàn)的協(xié)同過濾電影推薦平臺(tái)。介紹了電影推薦平臺(tái)的系統(tǒng)框架，并詳