在線社會網(wǎng)絡(luò)中的信息推薦技術(shù)研究.pdf

1、互聯(lián)網(wǎng)的高速發(fā)展將人們帶入了信息化時代，而信息量的指數(shù)級增長意味著大數(shù)據(jù)時代的到來。如何從海量數(shù)據(jù)中分析和挖掘出潛在有價(jià)值的知識或者規(guī)律，幫助用戶找到感興趣的信息意義重大。如今，電子商務(wù)以及SNS等在線社會網(wǎng)絡(luò)服務(wù)已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?。然而，人們享受在線社會網(wǎng)絡(luò)帶來便利的同時造成了信息過載問題。此時，推薦系統(tǒng)應(yīng)運(yùn)而生，它利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等方法從海量信息中找到用戶潛在感興趣的內(nèi)容。因此推薦系統(tǒng)的研究具有重要的理論價(jià)

2、值和現(xiàn)實(shí)意義，得到了國內(nèi)外學(xué)者的廣泛關(guān)注。
　　目前，網(wǎng)絡(luò)科學(xué)已經(jīng)成為最具有活力的交叉科學(xué)。其中，關(guān)鍵節(jié)點(diǎn)挖掘是網(wǎng)絡(luò)科學(xué)中一個具有廣泛應(yīng)用的重要課題。例如，關(guān)鍵節(jié)點(diǎn)的失效將有可能導(dǎo)致整個網(wǎng)絡(luò)的癱瘓，甚至有可能導(dǎo)致其他相關(guān)網(wǎng)絡(luò)的癱瘓（級聯(lián)失效）。然而，現(xiàn)有的關(guān)鍵節(jié)點(diǎn)挖掘通常是針對單模網(wǎng)絡(luò)進(jìn)行的，如何將節(jié)點(diǎn)重要性挖掘應(yīng)用到基于二部圖的推薦系統(tǒng)中將是一個很有意思的研究課題。本文首先研究基于二部網(wǎng)絡(luò)的個性化推薦算法，進(jìn)一步結(jié)合用戶社交網(wǎng)絡(luò)

3、提高推薦算法的性能，主要研究工作如下：
　　（1）在二部網(wǎng)絡(luò)中隨機(jī)游走推薦算法給大度商品過高的權(quán)重，導(dǎo)致其多樣性較差，本文研究了在隨機(jī)游走過程中將商品的度考慮進(jìn)來，降低大度商品的影響從而同時提高推薦系統(tǒng)的準(zhǔn)確率和多樣性。另外，本文還研究了在推薦系統(tǒng)中同時將隨機(jī)游走算法與熱傳導(dǎo)算法考慮進(jìn)來時的權(quán)重分配問題，發(fā)現(xiàn)給予隨機(jī)游走過程和熱傳導(dǎo)過程相同的權(quán)重，并且提高大度商品的影響將同時提高推薦系統(tǒng)的準(zhǔn)確率和多樣性。
　?。?）目前很多

4、性能卓越的推薦算法都是通過調(diào)節(jié)一個可調(diào)參數(shù)來獲得最佳的推薦性能。為了獲得這個最優(yōu)推薦性能，需要使用測試集信息來遍歷參數(shù)以得到最優(yōu)參數(shù)值。但是在真實(shí)的在線系統(tǒng)中測試集信息是不可知的。在一般情況下，這個參數(shù)是針對相應(yīng)的算法考慮了整個系統(tǒng)的推薦性能，這個最優(yōu)參數(shù)由數(shù)據(jù)集和算法本身的一些屬性來確定。本文假定最佳參數(shù)應(yīng)該是與數(shù)據(jù)集的某些分析結(jié)果一致，從數(shù)據(jù)的角度出發(fā)，根據(jù)數(shù)據(jù)和算法直接得到一個可接受的估計(jì)參數(shù)值，并且該參數(shù)可以在不知道測試集的情況

5、下來做出估計(jì)。最后本文發(fā)現(xiàn)只使用少量用戶的信息就可以對整個系統(tǒng)的最優(yōu)參數(shù)做出估計(jì)。
　　（3）針對如何利用社交網(wǎng)絡(luò)進(jìn)行推薦這一問題，本文研究了計(jì)算有向社會網(wǎng)絡(luò)上用戶之間的社會相似性的三種方法，然后使用一種非線性的方法將社會相似性與用戶偏好進(jìn)行加權(quán)合并，最后使用協(xié)同過濾框架來產(chǎn)生推薦結(jié)果。通過兩個調(diào)優(yōu)參數(shù)來獲取系統(tǒng)的最優(yōu)參數(shù)和性能，并且調(diào)查了社會相似性和個性化偏好在推薦系統(tǒng)中所起的作用大小。通過實(shí)證研究了用戶社會相似性與用戶偏好之間

6、的關(guān)系。最后通過實(shí)驗(yàn)說明了本文所提出的方法的優(yōu)越性，尤其在推薦冷門商品上的能力。
　　（4）針對傳統(tǒng)的重要節(jié)點(diǎn)挖掘主要集中在單模網(wǎng)絡(luò)中這一缺陷，研究了具有社會網(wǎng)絡(luò)和二部網(wǎng)絡(luò)的耦合社會網(wǎng)絡(luò)中的重要節(jié)點(diǎn)排序算法，與LeaderRank算法得到的影響力節(jié)點(diǎn)相比，傳播速度更快，傳播范圍更廣?；诖?，本文還研究了如何將關(guān)鍵節(jié)點(diǎn)挖掘應(yīng)用到推薦中，提出了一種將耦合社會網(wǎng)絡(luò)中的節(jié)點(diǎn)排序信息用到推薦系統(tǒng)中的方法，并且提高了推薦系統(tǒng)的準(zhǔn)確率和多樣性。