面向社交網(wǎng)絡(luò)的協(xié)作過(guò)濾算法研究及應(yīng)用.pdf

1、伴隨互聯(lián)網(wǎng)和信息技術(shù)的快速普及和廣泛應(yīng)用，各類社交網(wǎng)絡(luò)不斷涌現(xiàn)并已成為互聯(lián)網(wǎng)上的重要應(yīng)用，人們也越來(lái)越仰仗于利用社交網(wǎng)絡(luò)尋找自己感興趣的信息。然而，社交網(wǎng)絡(luò)用戶數(shù)量在不斷攀升，用戶間頻繁交互會(huì)產(chǎn)生海量的互動(dòng)信息，這些都導(dǎo)致了社交網(wǎng)絡(luò)中的信息過(guò)載，而個(gè)性化推薦則是解決信息過(guò)載問(wèn)題最有效的方法。因此，社交網(wǎng)絡(luò)中的個(gè)性化推薦已成為一個(gè)研究熱點(diǎn)，逐漸受到了學(xué)者們的關(guān)注。
　　協(xié)作過(guò)濾算法是應(yīng)用最為廣泛的個(gè)性化推薦算法，本文首先針對(duì)協(xié)作過(guò)濾

2、算法應(yīng)用于社交網(wǎng)絡(luò)中存在推薦精度不高的問(wèn)題，提出基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法。然后對(duì)上述算法做進(jìn)一步優(yōu)化提出基于社交網(wǎng)絡(luò)用戶相似度聚類的協(xié)作過(guò)濾算法。最后利用所提出的推薦算法開(kāi)發(fā)了一個(gè)面向社交網(wǎng)絡(luò)的推薦系統(tǒng)。本文主要研究?jī)?nèi)容如下：
　　(1)針對(duì)協(xié)作過(guò)濾算法應(yīng)用于社交網(wǎng)絡(luò)中存在推薦精度不高的問(wèn)題，提出一個(gè)基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法。該算法首先通過(guò)社交網(wǎng)絡(luò)計(jì)算用戶信任度和社會(huì)相似度，并依據(jù)用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)

3、計(jì)算用戶相似度。然后將用戶相似度、用戶信任度和社會(huì)相似度進(jìn)行融合并據(jù)此形成最近鄰集。最后利用優(yōu)化的評(píng)分預(yù)測(cè)公式依據(jù)最近鄰集中的用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)生成給目標(biāo)用戶的推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明該算法較其他算法在解決社交網(wǎng)絡(luò)的推薦問(wèn)題時(shí)有更高的推薦精度，但其執(zhí)行效率會(huì)隨著社交網(wǎng)絡(luò)規(guī)模的增大而降低。
　　(2)針對(duì)基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法的執(zhí)行效率隨社交網(wǎng)絡(luò)規(guī)模增大而有所下降的問(wèn)題，提出一個(gè)基于社交網(wǎng)絡(luò)用戶相似度聚類的協(xié)作過(guò)濾算

4、法。該算法首先根據(jù)用戶在社交網(wǎng)絡(luò)中的屬性信息及互動(dòng)行為計(jì)算社交網(wǎng)絡(luò)用戶相似度。然后根據(jù)社交網(wǎng)絡(luò)用戶相似度利用改進(jìn)的k-means算法對(duì)用戶進(jìn)行聚類從而形成多個(gè)不同的用戶簇。最后在每個(gè)用戶簇上利用基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法產(chǎn)生推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明該算法在處理大規(guī)模社交網(wǎng)絡(luò)數(shù)據(jù)集時(shí)不僅顯著降低了運(yùn)行時(shí)間也提高了推薦精度，很好的解決了基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法存在的問(wèn)題。
　　(3)設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)面向社交