社會(huì)網(wǎng)絡(luò)中基于用戶(hù)評(píng)分行為的推薦方法研究.pdf

1、密級(jí)桂林電子科技大學(xué)碩士學(xué)位論文題目題目社會(huì)網(wǎng)絡(luò)中基于用戶(hù)評(píng)分行為的推薦方法研究（英文）（英文）ResearchonRecommendationMethodBasedonUserRatingsinSocialwk研究生學(xué)號(hào):122031313研究生姓名:呂瑞指導(dǎo)教師姓名、職務(wù)指導(dǎo)教師姓名、職務(wù):蔡國(guó)永教授申請(qǐng)學(xué)科門(mén)類(lèi):工學(xué)碩士學(xué)科、專(zhuān)科、專(zhuān)業(yè)名稱(chēng):計(jì)算機(jī)科學(xué)與技術(shù)提交論文日期:2015年4月論文答辯日期:2015年6月摘要摘要近年來(lái)，隨

2、著信息技術(shù)的廣泛應(yīng)用和迅猛發(fā)展，各式各樣的移動(dòng)終端、互連設(shè)備逐漸走向了網(wǎng)絡(luò)化、智能化，深刻的改變了人們的日常生活習(xí)慣。人們不再是被動(dòng)地從網(wǎng)絡(luò)環(huán)境中獲取信息，而是積極地參與到社會(huì)網(wǎng)絡(luò)信息的創(chuàng)造和分享中。大范圍多領(lǐng)域的廣泛參與使數(shù)據(jù)信息在短時(shí)間內(nèi)迅速增加，呈現(xiàn)出爆炸式增長(zhǎng)的趨勢(shì)。數(shù)據(jù)規(guī)模的迅速增長(zhǎng)既給人們帶來(lái)了前所未有的機(jī)遇，也給海量信息的檢索帶來(lái)了挑戰(zhàn)。普通用戶(hù)已經(jīng)很難通過(guò)在短時(shí)間內(nèi)對(duì)頁(yè)面進(jìn)行主動(dòng)瀏覽來(lái)獲取大量有用的數(shù)據(jù)信息。雖然傳統(tǒng)的“

3、目錄”式信息檢索方式和“搜索引擎”式信息檢索方式在一定程度上緩解了信息超載帶來(lái)的信息選擇難問(wèn)題，但這些傳統(tǒng)信息檢索方式也存在著一些明顯的不足，如檢索結(jié)果的大眾化，不能準(zhǔn)確識(shí)別用戶(hù)的真實(shí)意圖等。粗放式非個(gè)性化的信息過(guò)濾方法已經(jīng)不能滿足人們的需求。人們迫切需要這樣的技術(shù)，它能夠根據(jù)用戶(hù)的歷史交互信息來(lái)推斷用戶(hù)的興趣偏好，并根據(jù)用戶(hù)目前所處的狀態(tài)為用戶(hù)精準(zhǔn)的產(chǎn)生個(gè)性化的檢索結(jié)果。推薦系統(tǒng)就是在這種背景下產(chǎn)生和發(fā)展起來(lái)的。與此同時(shí)，隨著社會(huì)網(wǎng)絡(luò)

4、應(yīng)用的普及，人們也越來(lái)越愿意將自己的個(gè)人信息和生活軌跡分享在各種網(wǎng)絡(luò)平臺(tái)上，這也為實(shí)現(xiàn)智能的信息檢索系統(tǒng)奠定了基礎(chǔ)。推薦系統(tǒng)通過(guò)分析用戶(hù)的歷史數(shù)據(jù)信息為用戶(hù)建立適當(dāng)?shù)呐d趣偏好模型，并基于興趣偏好模型進(jìn)行預(yù)測(cè)和推薦。在所有類(lèi)型的推薦系統(tǒng)中，基于用戶(hù)評(píng)分行為的推薦系統(tǒng)是其中應(yīng)用最為廣泛、數(shù)據(jù)模型最為簡(jiǎn)潔的一種，在實(shí)際商業(yè)應(yīng)用中有著舉足輕重的意義?；谟脩?hù)評(píng)分行為的推薦方法研究主要對(duì)用戶(hù)已知的歷史評(píng)分?jǐn)?shù)據(jù)進(jìn)行分析，然后實(shí)現(xiàn)對(duì)未知評(píng)分的預(yù)測(cè)和推

5、薦。然而，目前基于用戶(hù)評(píng)分行為的推薦算法仍然存在著一些不足和挑戰(zhàn)：（1）推薦算法準(zhǔn)確率有待提高且數(shù)據(jù)集的稀疏性對(duì)推薦算法的準(zhǔn)確率影響較大；（2）推薦算法的抗攻擊性不足，無(wú)法有效阻止社會(huì)網(wǎng)絡(luò)中虛假用戶(hù)評(píng)分的干擾；（3）推薦算法通常具有較高的時(shí)間復(fù)雜度。針對(duì)以上三個(gè)問(wèn)題，本文進(jìn)行了深入的研究，并提出了一種新的基于用戶(hù)評(píng)分行為的推薦方法，該方法建立在用戶(hù)表象特征分布和因子分析技術(shù)的基礎(chǔ)上，并將社會(huì)網(wǎng)絡(luò)中用戶(hù)的信任模型引入到推薦算法的設(shè)計(jì)中，從