協(xié)同過濾推薦算法在社交網(wǎng)絡(luò)中的研究與應(yīng)用.pdf

1、數(shù)據(jù)過載問題已成為制約互聯(lián)網(wǎng)發(fā)展的重要問題。個性化推薦技術(shù)有效地緩解了這一問題，但隨著互聯(lián)網(wǎng)系統(tǒng)復(fù)雜性增加、數(shù)據(jù)內(nèi)容多樣化，個性化推薦技術(shù)的應(yīng)用暴露出一些問題，如數(shù)據(jù)冷啟動、用戶數(shù)據(jù)稀疏性、推薦系統(tǒng)擴展性等問題。協(xié)同過濾推薦算法通過研究用戶的喜好，實現(xiàn)從海量數(shù)據(jù)資源中為用戶推薦其感興趣的內(nèi)容，在電子商務(wù)中得到了廣泛的應(yīng)用。然而，當(dāng)此類算法應(yīng)用到社交網(wǎng)絡(luò)時，相似度計算方法和評價指標(biāo)的重點發(fā)生了變化，從而出現(xiàn)推薦算法效率偏低，推薦準(zhǔn)確度下降

2、，導(dǎo)致社交網(wǎng)絡(luò)中用戶交友推薦滿意度偏低。
　　針對上述出現(xiàn)的問題，文中提出并設(shè)計了基于用戶相似度的協(xié)同過濾推薦算法，并在仿真實驗環(huán)境下對算法有效性進行了驗證。論文的主要工作如下:
　　(1)分析現(xiàn)有的相似度計算方法，針對社交網(wǎng)絡(luò)的特性，重新定義用戶相似度及其計算方法。用戶相似度由兩部分線性擬合而成:
　?、儆脩魧傩韵嗨贫?。用戶的基本信息組成，用戶屬性劃分為數(shù)值型屬性和名稱型屬性;
　?、谟脩艋酉嗨贫?。以用戶間的

3、會話信息為依據(jù)，找出用戶間相似的發(fā)件人和相似的收件人，用度來衡量用戶互動相似度。
　?、蹖刹糠窒嗨贫荣x予不同的權(quán)重，線性擬合得到用戶相似度。
　　(2)以用戶相似度為基礎(chǔ)，設(shè)計基于用戶相似度的協(xié)同過濾推薦算法，對算法設(shè)計的依據(jù)進行討論。通過對相似度的計算，利用Top-N排序算法對候選集進行排序，為用戶產(chǎn)生推薦集。對算法復(fù)雜度進行分析，并和其他算法的復(fù)雜度進行比較。
　　(3)搭建實驗環(huán)境，仿真實驗環(huán)境基于Apache

4、 Mahout開源平臺，使用社交網(wǎng)絡(luò)中真實的歷史數(shù)據(jù)展開實驗，收集并分析實驗數(shù)據(jù)，從準(zhǔn)確率、用戶回復(fù)率、推薦的覆蓋率等不同維度度量，對協(xié)同過濾推薦算法、基于互動的推薦算法、基于用戶相似度的推薦算法三種算法進行評價。
　　在社交網(wǎng)絡(luò)中離線狀態(tài)下對真實環(huán)境進行仿真模擬，最大化的接近真實情況。實驗結(jié)果表明:基于用戶相似度的協(xié)調(diào)過濾推薦算法和其他二種算法的復(fù)雜度處于同一數(shù)量級，在不增加額外開銷的情況下，基于用戶相似度的協(xié)調(diào)過濾推薦算法在社