基于朋友關(guān)系的交叉領(lǐng)域推薦算法.pdf

1、推薦系統(tǒng)被認(rèn)為是信息時(shí)代解決信息過載的有效方案。個(gè)性化推薦不僅在電子商務(wù)領(lǐng)域取得了重大的成功，帶來了巨大的價(jià)值，同時(shí)在社交、科研、信息技術(shù)等多個(gè)方面具有重要的意義。近年來推薦技術(shù)發(fā)展迅速，但仍有兩個(gè)關(guān)鍵的難題沒有解決:數(shù)據(jù)稀疏問題和冷啟動(dòng)問題。
　　交叉推薦系統(tǒng)是解決這兩個(gè)問題的有效途徑?；舅枷胧抢闷渌I(lǐng)域的知識(shí)和數(shù)據(jù)作為輔助，通過某種關(guān)聯(lián)規(guī)則將其應(yīng)用到目標(biāo)領(lǐng)域當(dāng)中。然而，大多數(shù)現(xiàn)有的交叉推薦算法只考慮在有共同評(píng)分的領(lǐng)域之間進(jìn)

2、行。本文提出的基于朋友關(guān)系的交叉領(lǐng)域推薦算法，將好友關(guān)系引入到交叉推薦的過程中，使得算法可以應(yīng)用在沒有共同評(píng)分的領(lǐng)域之間。
　　本文使用朋友關(guān)系網(wǎng)絡(luò)解決沒有共同評(píng)分領(lǐng)域之間的關(guān)聯(lián)問題。在目標(biāo)領(lǐng)域中選擇被推薦者的好友作為推薦的最近鄰用戶，開展基于用戶的協(xié)同過濾推薦。最近鄰用戶列表的生成和相似度計(jì)算是本算法的關(guān)鍵所在。首先，我們提出了利用直接好友進(jìn)行評(píng)分預(yù)測(cè)的方案，認(rèn)為好友與用戶具有相同的評(píng)分習(xí)慣，相似度取值為一。其次，我們使用Pag

3、eRank算法對(duì)相似興趣好友的選擇進(jìn)行了優(yōu)化，選擇結(jié)果不局限在直接的好友關(guān)系上，將每個(gè)結(jié)點(diǎn)的PageRank值作為好友與用戶的相似度進(jìn)行評(píng)分預(yù)測(cè)。最后，我們以上述兩種方案作為基礎(chǔ)對(duì)比算法，考慮了兩個(gè)結(jié)點(diǎn)之間共同好友數(shù)目、共同領(lǐng)域數(shù)目、結(jié)點(diǎn)自身領(lǐng)域數(shù)目和跨領(lǐng)域權(quán)重四個(gè)因素，對(duì)隨機(jī)游走的轉(zhuǎn)移矩陣進(jìn)行優(yōu)化，使得朋友關(guān)系的游走更具有傾向性，從而使得相似用戶的選擇更為精準(zhǔn)。
　　我們將共同好友因素和跨領(lǐng)域權(quán)重因素相結(jié)合，作為一種優(yōu)化方案，除