基于社交信息推薦的可視化研究與應(yīng)用.pdf

1、互聯(lián)網(wǎng)技術(shù)的日新月異給用戶帶來了巨量的內(nèi)容，傳統(tǒng)的個(gè)性化推薦方法已經(jīng)很難幫助用戶從大量冗余信息中挑選出符合自己興趣的內(nèi)容。隨著社交網(wǎng)絡(luò)的興起，學(xué)者們提出了基于用戶社交網(wǎng)絡(luò)信息的推薦方式解決傳統(tǒng)方法存在的數(shù)據(jù)稀疏性的問題。但是基于社交的推薦算法通常都是自動(dòng)執(zhí)行，用戶沒有參與到推薦過程中去，得到的結(jié)果不一定是用戶所需要的，而且基于列表展示結(jié)果的方式，用戶很難發(fā)現(xiàn)信息間的聯(lián)系。因此，用信息可視化的方法將基于社交推薦的整個(gè)過程展現(xiàn)出來非常必要。

2、
　　本文主要研究了基于社交信息的推薦技術(shù)、信息可視化技術(shù)，并重點(diǎn)研究了信息可視化技術(shù)中網(wǎng)狀結(jié)構(gòu)數(shù)據(jù)的可視化方法。基于粒子群優(yōu)化算法和信息可視化中的圖布局方法，提出了一種基于改進(jìn)粒子群優(yōu)化算法的圖布局可視化方法，這種方法可對(duì)節(jié)點(diǎn)進(jìn)行了子群的劃分并定義了自適應(yīng)加速系數(shù)，可以有效的減少邊交叉數(shù);基于圖布局經(jīng)典的FR算法，提出了EFR算法，解決了原有算法在節(jié)點(diǎn)增多時(shí)節(jié)點(diǎn)與邊距離較近的問題。本文將改進(jìn)后的算法與相似算法進(jìn)行了比較分析，同時(shí)