社會性網(wǎng)絡服務的個性化推薦關(guān)鍵技術(shù)研究.pdf

1、進入21世紀以來,各類網(wǎng)站社會性網(wǎng)絡化的傾向明顯,越來越多的網(wǎng)站集購物、交友、聊天、論壇和博客于一體,為用戶提供全方位的服務。作為個性化服務的一種方式,個性化推薦系統(tǒng)能夠向用戶推薦其感興趣的信息,為用戶的決策提供參考,可以較大地減少用戶獲得所需要信息的代價。
　　目前推薦系統(tǒng)中廣泛采用的協(xié)同過濾推薦算法存在著許多難以解決的問題,如數(shù)據(jù)稀疏性問題、冷啟動問題、可擴展性不高問題等。在社會性網(wǎng)絡環(huán)境下,一些學者將社會信任機制引入傳統(tǒng)的協(xié)

2、同過濾推薦系統(tǒng)中,使得這些基于信任度的推薦系統(tǒng)在一定程度上改進了以上存在的問題。然而,由于用戶之間的信任度難以準確描述,很多情況下,用戶信任度對推薦所起的作用甚至還不如傳統(tǒng)方法所采用的用戶相似度。還有學者提出了將傳統(tǒng)的協(xié)同過濾推薦和基于信任度的相結(jié)合的方法,但是,這些研究均忽略了用戶群體性特征對推薦的影響。
　　以如何提高推薦效果以及用戶對推薦系統(tǒng)的滿意度為主線,本文對社會性網(wǎng)絡環(huán)境下個性化推薦系統(tǒng)的若干關(guān)鍵問題進行了有益的探索和

3、研究。
　　首先,針對目前現(xiàn)有推薦算法的不足,本文利用社會網(wǎng)絡分析方法對社會性網(wǎng)絡中的用戶群體關(guān)系進行挖掘,提出了一種全新的推薦模型Cliqueswalk,實驗表明,新的算法能夠大大縮小目標評分信息的查找范圍,推薦效率明顯優(yōu)于已有的協(xié)同過濾推薦算法、基于信任度的推薦算法以及它們的混合算法。
　　其次,考慮到社會性網(wǎng)絡中不同用戶所起的作用不同,運用社會性網(wǎng)絡分析方法和Web挖掘手段,設計了權(quán)威用戶(意見領(lǐng)袖)查找算法,以及相應

4、的權(quán)威用戶推薦算法,不僅提高了推薦效果,而且將權(quán)威用戶的推薦和普通用戶的推薦分列開來,可以帶來更好的用戶體驗。
　　最后,針對社會性網(wǎng)絡的一種重要的服務——博客系統(tǒng),設計了基于博客的多興趣信任度推薦算法。算法根據(jù)不同類型的博客文章把總的信任評分為多方面的信任評分,以便更全面地衡量用戶的興趣和偏好,并在此基礎上將協(xié)同過濾推薦與基于信任度的推薦相結(jié)合的方法引入多興趣的推薦中,實驗結(jié)果表明,新的算法不僅對普通用戶取得了較好的推薦效果,而