社交網(wǎng)絡(luò)媒體中若干社會(huì)化推薦算法研究.pdf_第1頁
已閱讀1頁,還剩72頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、社會(huì)化推薦系統(tǒng)隨著社交網(wǎng)絡(luò)平臺(tái)的流行以及用戶對社交媒體的重度參與,成為了社交平臺(tái)中信息過濾的重要手段,廣泛地應(yīng)用于各樣的社交平臺(tái)及電子商務(wù)領(lǐng)域中,成為當(dāng)前推薦系統(tǒng)研究的一個(gè)熱點(diǎn),具有較大的學(xué)術(shù)意義與商業(yè)應(yīng)用價(jià)值。
  社會(huì)推薦可以簡單由兩個(gè)方面組成:利用社交信息推薦傳統(tǒng)物品,推薦社交網(wǎng)絡(luò)平臺(tái)中復(fù)雜多樣的關(guān)系數(shù)據(jù)。本文針對這兩個(gè)方面提出了不同的社會(huì)化推薦算法,主要工作如下:
  1.提出基于社區(qū)關(guān)系的社交最近鄰權(quán)重算法,是一種

2、針對用戶間影響權(quán)重計(jì)算的改進(jìn)的鄰居方法。重點(diǎn)在于發(fā)現(xiàn)社交關(guān)系網(wǎng)絡(luò)中的社區(qū)之后,利用朋友對目標(biāo)用戶所在群體的相關(guān)性來代替?zhèn)鹘y(tǒng)用戶相似度計(jì)算。
  2.提出基于社交網(wǎng)絡(luò)最大影響力模型的最近鄰尋找算法。將社會(huì)關(guān)系網(wǎng)絡(luò)中的最大影響力結(jié)點(diǎn)作為新的最近鄰集合,并且將這個(gè)鄰居關(guān)系進(jìn)行擴(kuò)展,進(jìn)一步提出了基于最大影響力關(guān)系的概率矩陣分解模型。與傳統(tǒng)的社交矩陣分解模型相比,最大影響力的概率矩陣分解模型對冷啟動(dòng)用戶有更好的性能。
  3.提出基于

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論