社交網(wǎng)絡(luò)環(huán)境下移動(dòng)好友推薦系統(tǒng)研究.pdf

1、隨著Internet的發(fā)展和各類信息的增長，越來越多的信息充斥在人們?nèi)粘Ｉ钪校湫畔⑦^載主要體現(xiàn)在海量的信息使用戶很難及時(shí)獲取所需要的信息。在這種背景下推薦系統(tǒng)[1-3]得到了研究和發(fā)展，它根據(jù)不同的用戶偏好個(gè)性化的推薦給用戶喜好的物品和項(xiàng)目。例如，目前許多電商已經(jīng)使用推薦系統(tǒng)向用戶提供商品推薦服務(wù)，不僅可以幫助用戶找到所需要的信息和商品，而且通過推薦系統(tǒng)，網(wǎng)站可以通過保留用戶偏好數(shù)據(jù)從而提高網(wǎng)站的點(diǎn)擊率和用戶的粘性。
　　此外

2、，社交網(wǎng)絡(luò)在近些年也得到了快速的發(fā)展，如Facebook、Twitter、微博等已經(jīng)已成為主流的信息分享平臺。使用者可以通過直接或間接的關(guān)系與其他用戶建立關(guān)系，并能夠很快建立用戶自己的社交網(wǎng)絡(luò)。社交網(wǎng)絡(luò)的迅速發(fā)展伴隨著用戶規(guī)模的擴(kuò)大和信息更新的加快，社交網(wǎng)絡(luò)的價(jià)值愈發(fā)明顯。
　　近些年，推薦系統(tǒng)在理論得到了快速的發(fā)展，但是隨著推薦服務(wù)種類的增加和用戶需求的提高，智能推薦系統(tǒng)也開始面臨一系列的問題。本文對推薦系統(tǒng)中的推薦算法及推薦系

3、統(tǒng)架構(gòu)等理論和技術(shù)進(jìn)行了討論和研究。本論文的研究內(nèi)容主要是充分利用移動(dòng)終端數(shù)據(jù)，為移動(dòng)用戶推薦可能的好友。主要涉及推薦系統(tǒng)的分類算法關(guān)聯(lián)規(guī)則、推薦系統(tǒng)架構(gòu)和基于移動(dòng)平臺的推薦應(yīng)用研究。本論文的主要研究工作如下：
　?、傺芯可缃痪W(wǎng)絡(luò)理論、智能推薦系統(tǒng)的國內(nèi)外現(xiàn)狀，分析推薦系統(tǒng)普遍存在的問題，討論把社交網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)運(yùn)用到推薦推薦系統(tǒng)的可行性。
　?、卺槍Ρ疚牡膽?yīng)用環(huán)境分析了Android架構(gòu)、推薦系統(tǒng)在移動(dòng)客戶端的應(yīng)用實(shí)例，結(jié)

4、合社交網(wǎng)絡(luò)特性，對比分析了多種推薦算法在移動(dòng)環(huán)境下的應(yīng)用優(yōu)缺點(diǎn)。
　?、跙P神經(jīng)網(wǎng)絡(luò)是一種機(jī)器學(xué)習(xí)算法，該算法意在模擬人腦的學(xué)習(xí)過程。本文研究和分析將該理論應(yīng)用到推薦系統(tǒng)的可行性，并將該理論結(jié)合社交網(wǎng)絡(luò)特性應(yīng)用到移動(dòng)推薦系統(tǒng)中來。
　?、茉O(shè)計(jì)基于社交網(wǎng)絡(luò)的移動(dòng)好友推薦算法。包含社交網(wǎng)絡(luò)隱性數(shù)據(jù)挖掘、推薦算法設(shè)計(jì)、機(jī)器學(xué)習(xí)理論在推薦算法上的應(yīng)用。
　?、萃ㄟ^使用數(shù)據(jù)集對推薦系統(tǒng)進(jìn)行了仿真，驗(yàn)證了推薦模型的可行性和有效性，