考慮群組信息的社會化推薦方法研究.pdf

1、隨著Web2.0技術的快速發(fā)展，互聯(lián)網(wǎng)上產(chǎn)生了大量以用戶生成內容為主導的社交媒體應用，使得用戶不僅是互聯(lián)網(wǎng)內容的接受者，而且成為了制造者。但隨著參與社交媒體的用戶數(shù)量的急劇增長，社交媒體上聚集了海量的用戶生成數(shù)據(jù)，形成了嚴重的信息過載問題，導致用戶很難快速的從海量的數(shù)據(jù)中發(fā)現(xiàn)對自己有價值的信息。而推薦系統(tǒng)正是解決信息過載問題和實現(xiàn)個性化服務的有效途徑之一。因此，針對社交媒體的推薦研究，即社會化推薦逐漸得到學術界和產(chǎn)業(yè)界的高度關注。

2、>　　目前，已有眾多的研究者對社會化推薦進行了相關的研究，提出了一些社會化推薦方法。但這些已有的社會化推薦方法還沒有對社交媒體上的群組信息進行充分的挖掘和利用，而群組信息作為社交媒體上興起的一種更加開放的社交關系，群組的規(guī)模、構成和結構等眾多獨有的社會化屬性對社會推薦方法有著重要的影響。為此，本研究對社交媒體上的群組信息進行了深入的挖掘，構建了考慮群組信息的社會化推薦方法。首先，本研究系統(tǒng)地對社會化推薦的研究現(xiàn)狀進行了系統(tǒng)的梳理，總結了

3、現(xiàn)有研究中存在的問題，明確了未來的發(fā)展方向。其次，本研究系統(tǒng)研究了社會化推薦的基礎理論，深入分析了社會化推薦的概念、社會化推薦的框架、面向個體的社會化推薦的常用方法和面向群組的社會化推薦方法等相關基礎理論。然后，針對社交媒體上的群組信息還未充分挖掘和利用的問題，分別從面向個體和面向群組兩個角度出發(fā)，構建了考慮群組信息的面向個體的社會化推薦方法GListWise，以及面向群組的基于聯(lián)合概率矩陣分解的社會化推薦方法。最后，為了驗證上述所提的

4、兩個社會化推薦方法的有效性，本研究抓取了中文社交媒體豆瓣和科研社交網(wǎng)絡CiteULike上的數(shù)據(jù)進行了實驗。實驗結果表明，本研究提出的新方法取得了較好的實驗結果，證明了本研究所提的社會化推薦方法的有效性。
　　通過本研究，一方面對社會化推薦領域的相關理論進行了系統(tǒng)梳理，并以此為基礎提出了改進的社會化推薦方法，豐富和拓展了社會化推薦的理論研究體系。另一方面，本研究率先對社交媒體上的群組信息進行了系統(tǒng)的分析，并將其融入到社會化推薦方法