基于社交網(wǎng)絡(luò)的協(xié)同過濾算法研究.pdf

1、隨著數(shù)字化信息時代的到來，在線社交網(wǎng)絡(luò)服務(wù)得到了快速發(fā)展。網(wǎng)絡(luò)信息爆炸式地增長，用戶很難高效地在海量信息中尋找對自己有用的信息。因此，個性化推薦系統(tǒng)應(yīng)運(yùn)而生，基于社交網(wǎng)絡(luò)推薦系統(tǒng)的研究也成為當(dāng)前熱點(diǎn)。
　　本文詳細(xì)分析了社交網(wǎng)絡(luò)的結(jié)構(gòu)，地理位置服務(wù)以及各種推薦算法。重點(diǎn)研究用戶之間的信任關(guān)系、用戶評分和地理位置等因素對個性化推薦算法的影響，與傳統(tǒng)的推薦模型相比，基于社交網(wǎng)絡(luò)的推薦模型有嚴(yán)重的數(shù)據(jù)稀疏問題。為了解決這些問題，本文提出

2、兩種改進(jìn)的協(xié)同過濾推薦算法，主要工作及取得的研究成果如下:
　　針對傳統(tǒng)協(xié)同過濾算法存在的數(shù)據(jù)稀疏和擴(kuò)展性差問題，本文提出了一種基于用戶興趣和社交信任的聚類推薦算法。該算法首先基于聚類技術(shù)建立基于用戶興趣相近的鄰居集合，同時，通過定義直接信任、間接信任、傳遞路徑和計算方法來度量社交網(wǎng)絡(luò)用戶之間隱含的信任值，建立基于社交信任的鄰居集合，綜合兩種鄰居集為用戶產(chǎn)生項(xiàng)目的推薦。在Douban數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，與基于用戶的協(xié)同過濾算法和基于

3、信任的推薦算法相比，本文算法有更低的平均絕對誤差，且準(zhǔn)確率和覆蓋率都有增加，在一定程度上解決了協(xié)同過濾算法的數(shù)據(jù)稀疏和擴(kuò)展性差問題。
　　針對協(xié)同過濾算法準(zhǔn)確性問題，在當(dāng)前較流行的基于地理位置社交網(wǎng)絡(luò)上，提出一種基于位置的社交網(wǎng)絡(luò)推薦算法，為用戶提供簽到地點(diǎn)的推薦。算法首先挖掘社交網(wǎng)絡(luò)中用戶存在的潛在信任關(guān)系，計算用戶之間的信任值;然后根據(jù)用戶的簽到信息，分析用戶之間是否有共同地點(diǎn)的偏好，計算用戶之間偏好值;通過計算用戶之間的距離