基于社交網(wǎng)絡(luò)信息的協(xié)同過濾推薦算法研究.pdf

1、近年來，隨著網(wǎng)絡(luò)技術(shù)的日益成熟，越來越多的互聯(lián)網(wǎng)公司應(yīng)運(yùn)而生，以FaceBook、LinkedIn、騰訊等為代表的社交網(wǎng)站也紛紛出現(xiàn)，這些網(wǎng)站為人們提供一個(gè)學(xué)習(xí)、交流、娛樂的平臺(tái)，極大地豐富了人們的生活，對(duì)人們的生活方式也有著重要影響。然而這些網(wǎng)站大都擁有龐大的用戶量和海量的數(shù)據(jù)信息，海量的數(shù)據(jù)信息為互聯(lián)網(wǎng)用戶帶來方便的同時(shí)，也給推薦系統(tǒng)帶來了技術(shù)性的挑戰(zhàn)。
　　協(xié)同過濾作為最流行的推薦方法之一，由于其良好的可實(shí)現(xiàn)性和擴(kuò)展性，在推

2、薦領(lǐng)域被廣泛地應(yīng)用。其中用戶對(duì)項(xiàng)目評(píng)價(jià)數(shù)據(jù)對(duì)傳統(tǒng)的協(xié)同過濾算法起著關(guān)鍵性作用，然而在大數(shù)據(jù)時(shí)代的背景下，面對(duì)海量的數(shù)據(jù)信息，用戶很難對(duì)自己喜歡的項(xiàng)目全部進(jìn)行評(píng)價(jià)，這就造成了評(píng)價(jià)數(shù)據(jù)的稀疏，從而影響推薦算法的精度性。如何充分地利用豐富的社交網(wǎng)絡(luò)信息，合理地建立推薦模型以提高推薦精度，已成為一個(gè)比較熱門的研究方向。針對(duì)協(xié)同過濾算法中存在的問題，本文主要研究工作及成果具體如下:
　　第一，從不同角度分析社交網(wǎng)絡(luò)信息特征，并對(duì)協(xié)同過濾算法

3、的算法思想、實(shí)現(xiàn)步驟、優(yōu)缺點(diǎn)等進(jìn)行研究，從協(xié)同過濾算法存在的問題出發(fā)，然后充分利用社交網(wǎng)絡(luò)信息，對(duì)算法進(jìn)行改進(jìn)。
　　第二，從多個(gè)方面分析影響算法的因素，對(duì)協(xié)同過濾算法中相似度模型進(jìn)行研究，提出一種基于社交網(wǎng)絡(luò)信息的協(xié)同過濾算法。用戶（項(xiàng)目）相似度模型在協(xié)同過濾中起著關(guān)鍵性作用，由于數(shù)據(jù)稀疏，單一地利用評(píng)價(jià)數(shù)據(jù)計(jì)算的相似度模型對(duì)于推薦精度不能有很好地提高。針對(duì)上述問題，本文利用社交網(wǎng)絡(luò)信息分別從用戶的標(biāo)注信息、標(biāo)簽信息、社交關(guān)系三

4、個(gè)方面分別建立用戶相似度模型，然后采用協(xié)同過濾算法進(jìn)行融合。
　　第三，對(duì)協(xié)同過濾算法中最近鄰進(jìn)行研究。傳統(tǒng)的協(xié)同過濾算法都依賴于其最近鄰，最近鄰的精確程度，對(duì)推薦精度有著重要影響，然而最近鄰的獲取又常常依賴相似度模型。本文對(duì)社交網(wǎng)絡(luò)信息以及算法中最近鄰的研究，提出一種改進(jìn)最近鄰的協(xié)同過濾算法，該算法在尋找用戶和項(xiàng)目最近鄰時(shí)，主要從評(píng)價(jià)數(shù)據(jù)、用戶社交活動(dòng)信息，項(xiàng)目文本信息，來建立用戶和項(xiàng)目的相似度，獲取其相應(yīng)的最近鄰，然后將獲得的