協(xié)同過濾推薦方法及應用研究.pdf

1、互聯(lián)網(wǎng)的出現(xiàn)在為用戶提供大量信息的同時，也增加了用戶搜索有效信息的成本。因此，互聯(lián)網(wǎng)企業(yè)都致力于使用更好的推薦技術來增強網(wǎng)絡應用的用戶體驗，提高服務質(zhì)量。協(xié)同過濾推薦方法在Web1.0時代得到了較為廣泛和成功的應用。但是隨著社交化電子商務的出現(xiàn)，已有的協(xié)同過濾算法不能夠充分利用網(wǎng)站提供的社交數(shù)據(jù)和用戶交互數(shù)據(jù)，對用戶偏好的表達也不夠全面。為此，本文基于相關理論，將社交網(wǎng)絡引入?yún)f(xié)同過濾推薦，結合社區(qū)發(fā)現(xiàn)方法和協(xié)同過濾推薦方法的優(yōu)點和流程，

2、研究融合社區(qū)發(fā)現(xiàn)方法的協(xié)同過濾推薦算法，利用社交網(wǎng)絡中有關用戶的大量數(shù)據(jù)，為社交化電子商務網(wǎng)站的推薦服務提供理論和實踐支持。
　　論文首先從評分問題、模型架構和Web2.0視角下的推薦技術等三個角度對協(xié)同過濾推薦進行了解構和分析;對社區(qū)發(fā)現(xiàn)方法，尤其是非重疊社區(qū)發(fā)現(xiàn)方法進行了闡述。其次，對包括社交網(wǎng)絡、社交化電子商務和網(wǎng)絡社區(qū)等網(wǎng)絡相關概念進行界定;針對Girvan-Newman算法、K-cores算法、模塊度最大化度量算法、基于

3、用戶的協(xié)同過濾算法、基于項目的協(xié)同過濾算法等社區(qū)發(fā)現(xiàn)算法和協(xié)同過濾推薦算法的流程進行了簡單介紹。隨后，針對社交化電子商務網(wǎng)絡環(huán)境，在不同社區(qū)目標用戶表現(xiàn)出不同偏好的假設下，研究了一種基于社區(qū)發(fā)現(xiàn)和用戶交互內(nèi)容的協(xié)同過濾推薦算法，在獲得的用戶社交網(wǎng)絡中使用社區(qū)發(fā)現(xiàn)方法、在相似度計算和推薦值計算中運用了網(wǎng)絡中提供的各類數(shù)據(jù)。在此基礎上，利用獲得的社交網(wǎng)絡數(shù)據(jù)，從社區(qū)劃分結果、推薦結果的差異性和推薦結果的精準度等三個方面驗證了算法的有效性，研