社會(huì)網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)及協(xié)同過濾推薦技術(shù)研究.pdf

1、信息技術(shù)的發(fā)展促進(jìn)了現(xiàn)實(shí)人類社會(huì)與虛擬網(wǎng)絡(luò)空間的深度融合，人們?cè)谛畔⒒h(huán)境中留下的數(shù)字足跡匯聚成多種多樣的關(guān)系網(wǎng)絡(luò)。迅速積累的海量交互數(shù)據(jù)蘊(yùn)含著巨大的商業(yè)價(jià)值和研究價(jià)值，對(duì)社會(huì)網(wǎng)絡(luò)進(jìn)行分析、挖掘，揭示數(shù)據(jù)背后的規(guī)律已成為許多研究人員關(guān)注的課題。
　　社區(qū)結(jié)構(gòu)作為社會(huì)網(wǎng)絡(luò)最重要的拓?fù)鋵傩?，具有同一社區(qū)內(nèi)部的節(jié)點(diǎn)間聯(lián)系緊密，而社區(qū)間的節(jié)點(diǎn)連接稀疏的特點(diǎn)。網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)的檢測有助于揭示復(fù)雜網(wǎng)絡(luò)的層次結(jié)構(gòu)，全面透徹地分析節(jié)點(diǎn)間的社會(huì)關(guān)系。

2、另一方面，社交網(wǎng)絡(luò)的研究也促進(jìn)了廣告推薦、精準(zhǔn)營銷等業(yè)務(wù)的發(fā)展，借助用戶間的社交關(guān)系網(wǎng)絡(luò)，有助于緩解推薦系統(tǒng)中的數(shù)據(jù)稀疏性、冷啟動(dòng)等問題。
　　針對(duì)如何有效地挖掘出具有實(shí)際意義的社區(qū)結(jié)構(gòu)，以及如何利用社交網(wǎng)絡(luò)改善傳統(tǒng)推薦系統(tǒng)的性能等問題，本文進(jìn)行了深入的研究，取得的研究成果如下:
　　1.現(xiàn)有的社區(qū)發(fā)現(xiàn)算法大多將焦點(diǎn)集中在節(jié)點(diǎn)的聚類方法上，忽略了對(duì)節(jié)點(diǎn)間關(guān)系的研究，而節(jié)點(diǎn)間相似度的定義同樣影響著社區(qū)檢測的性能。對(duì)此，本文在模

3、塊度譜分析算法的基礎(chǔ)上，提出一種基于近鄰關(guān)系迭代更新的社區(qū)檢測模型。以一種自學(xué)習(xí)的方式，通過多次迭代修正網(wǎng)絡(luò)的關(guān)系矩陣，使其更精確的刻畫節(jié)點(diǎn)間的關(guān)系，從而提高算法社區(qū)劃分的性能。
　　2.社會(huì)網(wǎng)絡(luò)中實(shí)體間的關(guān)系往往是多元化的，針對(duì)多關(guān)系網(wǎng)絡(luò)社區(qū)檢測，本文提出一種基于異質(zhì)關(guān)系間共享局部結(jié)構(gòu)的社區(qū)挖掘算法;該模型將網(wǎng)絡(luò)節(jié)點(diǎn)的聚類分兩個(gè)階段進(jìn)行:首先通過提取多種關(guān)系間的共享局部信息，對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行了局部劃分;然后，基于劃分出來的社區(qū)

4、子集，定義一種節(jié)點(diǎn)簇的凝聚度函數(shù)，并按照凝聚度增益最大化的原則將待劃分的節(jié)點(diǎn)的依次歸類。
　　3.為了緩解協(xié)同過濾推薦技術(shù)中存在的稀疏性問題，本文借助用戶間的社交關(guān)系網(wǎng)絡(luò)，提出一種融合社會(huì)關(guān)系網(wǎng)絡(luò)的協(xié)同過濾推薦算法。模型中，我們同時(shí)考慮了用戶實(shí)際行為與社交行為的同質(zhì)性（一致性）和異質(zhì)性，并將兩個(gè)方面融合到了矩陣分解的框架當(dāng)中。其中，通過聯(lián)合分解評(píng)分矩陣與社交關(guān)系矩陣得到的用戶共享潛在因子，實(shí)現(xiàn)了用戶社交信息的有效遷移。在豆瓣等數(shù)據(jù)