社會(huì)性網(wǎng)絡(luò)服務(wù)的個(gè)性化推薦關(guān)鍵技術(shù)研究.pdf

1、進(jìn)入21世紀(jì)以來(lái),各類網(wǎng)站社會(huì)性網(wǎng)絡(luò)化的傾向明顯,越來(lái)越多的網(wǎng)站集購(gòu)物、交友、聊天、論壇和博客于一體,為用戶提供全方位的服務(wù)。作為個(gè)性化服務(wù)的一種方式,個(gè)性化推薦系統(tǒng)能夠向用戶推薦其感興趣的信息,為用戶的決策提供參考,可以較大地減少用戶獲得所需要信息的代價(jià)。
　　目前推薦系統(tǒng)中廣泛采用的協(xié)同過(guò)濾推薦算法存在著許多難以解決的問(wèn)題,如數(shù)據(jù)稀疏性問(wèn)題、冷啟動(dòng)問(wèn)題、可擴(kuò)展性不高問(wèn)題等。在社會(huì)性網(wǎng)絡(luò)環(huán)境下,一些學(xué)者將社會(huì)信任機(jī)制引入傳統(tǒng)的協(xié)

2、同過(guò)濾推薦系統(tǒng)中,使得這些基于信任度的推薦系統(tǒng)在一定程度上改進(jìn)了以上存在的問(wèn)題。然而,由于用戶之間的信任度難以準(zhǔn)確描述,很多情況下,用戶信任度對(duì)推薦所起的作用甚至還不如傳統(tǒng)方法所采用的用戶相似度。還有學(xué)者提出了將傳統(tǒng)的協(xié)同過(guò)濾推薦和基于信任度的相結(jié)合的方法,但是,這些研究均忽略了用戶群體性特征對(duì)推薦的影響。
　　以如何提高推薦效果以及用戶對(duì)推薦系統(tǒng)的滿意度為主線,本文對(duì)社會(huì)性網(wǎng)絡(luò)環(huán)境下個(gè)性化推薦系統(tǒng)的若干關(guān)鍵問(wèn)題進(jìn)行了有益的探索和

3、研究。
　　首先,針對(duì)目前現(xiàn)有推薦算法的不足,本文利用社會(huì)網(wǎng)絡(luò)分析方法對(duì)社會(huì)性網(wǎng)絡(luò)中的用戶群體關(guān)系進(jìn)行挖掘,提出了一種全新的推薦模型Cliqueswalk,實(shí)驗(yàn)表明,新的算法能夠大大縮小目標(biāo)評(píng)分信息的查找范圍,推薦效率明顯優(yōu)于已有的協(xié)同過(guò)濾推薦算法、基于信任度的推薦算法以及它們的混合算法。
　　其次,考慮到社會(huì)性網(wǎng)絡(luò)中不同用戶所起的作用不同,運(yùn)用社會(huì)性網(wǎng)絡(luò)分析方法和Web挖掘手段,設(shè)計(jì)了權(quán)威用戶(意見(jiàn)領(lǐng)袖)查找算法,以及相應(yīng)

4、的權(quán)威用戶推薦算法,不僅提高了推薦效果,而且將權(quán)威用戶的推薦和普通用戶的推薦分列開(kāi)來(lái),可以帶來(lái)更好的用戶體驗(yàn)。
　　最后,針對(duì)社會(huì)性網(wǎng)絡(luò)的一種重要的服務(wù)——博客系統(tǒng),設(shè)計(jì)了基于博客的多興趣信任度推薦算法。算法根據(jù)不同類型的博客文章把總的信任評(píng)分為多方面的信任評(píng)分,以便更全面地衡量用戶的興趣和偏好,并在此基礎(chǔ)上將協(xié)同過(guò)濾推薦與基于信任度的推薦相結(jié)合的方法引入多興趣的推薦中,實(shí)驗(yàn)結(jié)果表明,新的算法不僅對(duì)普通用戶取得了較好的推薦效果,而