基于社區(qū)發(fā)現(xiàn)和關(guān)聯(lián)規(guī)則的論文混合推薦技術(shù)研究.pdf

1、相關(guān)研究顯示，高學(xué)歷網(wǎng)民在社交網(wǎng)站使用率中所占的比例呈逐年下降的趨勢，其最主要原因是，社交網(wǎng)站浪費(fèi)時(shí)間、缺乏專業(yè)性。為了滿足高學(xué)歷網(wǎng)民的需求，學(xué)術(shù)社交網(wǎng)站（為進(jìn)行學(xué)術(shù)交流活動(dòng)建立的社交網(wǎng)站）的數(shù)量在快速的增加。然而隨著網(wǎng)絡(luò)的迅猛發(fā)展，科技論文的數(shù)量也在以每年6％-8％的速率進(jìn)行增長，科技論文信息量的劇增加大了論文檢索的難度，進(jìn)而導(dǎo)致論文共享中被動(dòng)服務(wù)的問題，即用戶無法主動(dòng)地快速檢索感興趣的科技論文。
　　本文針對學(xué)術(shù)社交網(wǎng)站中科技

2、論文共享被動(dòng)服務(wù)的問題，提出并實(shí)現(xiàn)了一種將社交網(wǎng)絡(luò)特性和傳統(tǒng)個(gè)性化推薦算法相結(jié)合的論文混合推薦算法，此算法可以主動(dòng)的向用戶推送其感興趣的科技論文。本文首先深入研究了傳統(tǒng)個(gè)性化推薦技術(shù)，包括基于內(nèi)容過濾的推薦算法、協(xié)同過濾算法、關(guān)聯(lián)規(guī)則算法以及混合推薦算法。而后研究了基于社區(qū)發(fā)現(xiàn)的個(gè)性化推薦技術(shù)，包括基于圖論的算法和層次聚類的算法。在此基礎(chǔ)上，指出了傳統(tǒng)個(gè)性化推薦算法的缺點(diǎn)，并分析了將社區(qū)發(fā)現(xiàn)算法與傳統(tǒng)個(gè)性化推薦算法相結(jié)合的可行性。繼而提

3、出GN-AP混合推薦算法，即將經(jīng)典社區(qū)發(fā)現(xiàn)算法---GN算法和關(guān)聯(lián)規(guī)則算法---Apriori算法相結(jié)合的混合算法。該混合推薦算法可分為三大部分:首先運(yùn)用GN算法構(gòu)建興趣相似用戶群，其次運(yùn)用Apriori算法進(jìn)行論文關(guān)聯(lián)規(guī)則挖掘繼而實(shí)現(xiàn)首次論文推薦，最后引入論文興趣度論文推薦。在提出了混合推薦算法的基礎(chǔ)上，對其進(jìn)行絕對性能和相對性能兩個(gè)方面的分析，在絕對性能上，根據(jù)準(zhǔn)確率和召回率兩個(gè)標(biāo)準(zhǔn)對論文推薦結(jié)果進(jìn)行評價(jià)與分析;在相對性能上是將基于