信息推薦網(wǎng)絡的骨架抽取研究.pdf

1、近年來，人們面對海量數(shù)據(jù)很難有效地分辨出哪些是自己真正需要的信息。隨著信息量的不斷增大，信息的利用率反而降低，這就是信息過載現(xiàn)象。隨著大量網(wǎng)絡信息的數(shù)字化，搜索引擎或推薦系統(tǒng)對人們來說已經(jīng)成為至關(guān)重要的信息過濾工具。個性化推薦作為信息過濾技術(shù)可以根據(jù)用戶的歷史行為記錄來挖掘用戶的潛在興趣。推薦系統(tǒng)通常面臨大規(guī)模甚至超大規(guī)模數(shù)據(jù)，因此其計算復雜度相對較高甚至難以在全量數(shù)據(jù)中進行計算，而應用系統(tǒng)通常需要進行實時計算。因此，研究如何抽取信息推

2、薦網(wǎng)絡的骨架，在保持推薦精度的前提下壓縮數(shù)據(jù)規(guī)模，對于真實應用的推薦系統(tǒng)具有重要意義。因此，本文從推薦網(wǎng)絡的結(jié)構(gòu)特征出發(fā)，分別研究網(wǎng)絡中的節(jié)點和連邊與推薦性能的相關(guān)性，并嘗試抽取能夠保持推薦系統(tǒng)性能的網(wǎng)絡信息骨架。主要工作如下：
　　1、從識別重要節(jié)點和連邊的角度，總結(jié)了復雜網(wǎng)絡和推薦網(wǎng)絡的信息骨架抽取方法。闡述了推薦技術(shù)的基本理論、常見算法、評價指標和推薦網(wǎng)絡結(jié)構(gòu)的拓撲特征。從用戶節(jié)點重要性的角度對比了幾種基于用戶節(jié)點的特征與推

3、薦的相關(guān)性。
　　2、提出了基于相似性子圖的推薦網(wǎng)絡信息骨架抽取算法。從推薦網(wǎng)絡的拓撲結(jié)構(gòu)出發(fā)，研究了幾種網(wǎng)絡結(jié)構(gòu)特征與推薦的相關(guān)性。我們結(jié)合用戶相似性和商品相似性來定義推薦網(wǎng)絡中連邊的權(quán)重，并發(fā)現(xiàn)權(quán)重值大的連邊與推薦精度的相關(guān)性更強。三個真實數(shù)據(jù)集的實驗結(jié)果表明，通過該算法抽取的信息骨架能夠在top-L推薦過程中僅依賴原始網(wǎng)絡中20％的連邊就獲得超過90%的推薦準確率，同時還能保持推薦的多樣性。算法中相似鄰居個數(shù)的選擇對推薦效果

4、也沒有明顯影響。此外，通過對信息骨架結(jié)構(gòu)的詳細分析，我們發(fā)現(xiàn)信息骨架能夠較好的保持原始網(wǎng)絡的拓撲結(jié)構(gòu)特征。該算法抽取的信息骨架能夠通過壓縮數(shù)據(jù)規(guī)模，有效地在保留推薦精度的同時提高推薦系統(tǒng)的性能。
　　3、提出了基于介數(shù)中心性和時間信息混合的推薦網(wǎng)絡信息骨架抽取算法。本文通過引入介數(shù)中心性這一復雜網(wǎng)絡的拓撲特征，研究了基于用戶節(jié)點、商品節(jié)點以及連邊的介數(shù)中心性與推薦的相關(guān)性，實驗結(jié)果表明商品節(jié)點和連邊的介數(shù)中心性越高，其與推薦的相關(guān)

5、性越強。據(jù)此，我們進一步提出了將時間信息與這兩種基于介數(shù)中心性的方法相結(jié)合的算法。在兩個真實數(shù)據(jù)集的結(jié)果表明，可以通過增加混合骨架抽取方法中介數(shù)中心性的權(quán)重來提高推薦系統(tǒng)的準確率，或者通過增加混合骨架抽取方法中時間因素的權(quán)重來提高推薦系統(tǒng)的多樣性。因此在信息骨架抽取的過程中，我們可以對連邊的介數(shù)中心性和時間信息選取合適的權(quán)重，使推薦算法在獲得較高準確率的同時，也能擁有較高的推薦多樣性，提高系統(tǒng)的個性化程度，并且減少數(shù)據(jù)的存儲空間，降低系