基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng).pdf

1、近年來，計算機技術(shù)的快速發(fā)展，比如HTML5、Web2.0、GUI等相關(guān)領(lǐng)域所取得的突破性成果，促使互聯(lián)網(wǎng)的應(yīng)用日益普及，其實踐范圍也越來越廣泛，在給互聯(lián)網(wǎng)用戶帶來更多的選擇以及更高的自主性體驗的同時也使得網(wǎng)絡(luò)上的信息資源以指數(shù)級別增長，從而造成信息過載的現(xiàn)象。當(dāng)面對海量的信息時，用戶往往無法快速、準(zhǔn)確地找到自己感興趣或者對自己有用的信息，因此在一定程度上導(dǎo)致了時間與資源的浪費，個性化推薦系統(tǒng)就是在這種背景之下應(yīng)運而生的。目前，個性化推

2、薦系統(tǒng)已成為解決信息過載問題的主要技術(shù)，并在長期的實踐應(yīng)用中取得了良好的成效。然而，現(xiàn)有的推薦系統(tǒng)大多旨在為單個用戶提供推薦，現(xiàn)實生活中，有時卻需要向一個群體提供推薦。基于群體的復(fù)雜性與多樣性，傳統(tǒng)的針對單個用戶的推薦系統(tǒng)算法已不能很好地適用于群體推薦系統(tǒng)。在過去的幾十年里，國內(nèi)外已經(jīng)有不少學(xué)者認(rèn)識到了研究群體推薦系統(tǒng)的重要性與緊迫性，并取得了一定進展，但從整體上看，其研究仍然停留在初級階段，諸多問題依然尚未解決。
　　本文基于以

3、上前提背景，結(jié)合社交網(wǎng)絡(luò)、標(biāo)簽系統(tǒng)、協(xié)同推薦系統(tǒng)以及群體決策理論提出了基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng)算法。首先詳細(xì)分析了利用社交網(wǎng)絡(luò)中的相關(guān)概念來獲取群體用戶權(quán)重的框架體系，包括群體的類別、產(chǎn)生以及相對應(yīng)的社交網(wǎng)絡(luò)圖譜、興趣圖譜和權(quán)重算法；接著將標(biāo)簽系統(tǒng)與協(xié)同推薦系統(tǒng)結(jié)合在一起，提出了一種混合的群體推薦系統(tǒng)算法以生成群體推薦項目集合；最后融合群體決策理論與權(quán)重框架體系對推薦項目進行排序，以得到最大化群體滿意程度的推薦列表。與此同時，本文還對