一種基于社交網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦算法研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái)及互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)信息呈現(xiàn)爆炸式的增長(zhǎng)，人們?cè)谳p易獲取信息的同時(shí)卻難以精確的獲取自己感興趣的信息內(nèi)容，信息過(guò)載問(wèn)題變得日益嚴(yán)重，為解決信息過(guò)載問(wèn)題，不少科學(xué)家和工程師提出過(guò)多種方法，以協(xié)同過(guò)濾為代表的個(gè)性化推薦技術(shù)是解決信息過(guò)載的重要技術(shù)，并已廣泛應(yīng)用于多領(lǐng)域。但協(xié)同過(guò)濾存在稀疏性問(wèn)題、可擴(kuò)展性問(wèn)題和冷啟動(dòng)問(wèn)題等。本文在深入分析國(guó)內(nèi)外推薦算法研究的基礎(chǔ)上，重點(diǎn)對(duì)協(xié)同過(guò)濾推薦技術(shù)進(jìn)行了研究，設(shè)計(jì)了兩種算法來(lái)

2、解決協(xié)同過(guò)濾算法存在的一些問(wèn)題。
　　首先，針對(duì)基于用戶(hù)的協(xié)同過(guò)濾推薦算法，分析算法在相似度計(jì)算存在的一些問(wèn)題，設(shè)計(jì)了一種在相似度計(jì)算中加入用戶(hù)共同評(píng)分?jǐn)?shù)調(diào)節(jié)因子和項(xiàng)目冷熱門(mén)調(diào)節(jié)因子的協(xié)同過(guò)濾推薦算法即 AD-UBCF(Advance User-based Collaborative Filtering)算法。項(xiàng)目冷熱門(mén)調(diào)節(jié)因子是針對(duì)項(xiàng)目本身屬性的調(diào)節(jié)，熱門(mén)項(xiàng)目讓其在相似度計(jì)算中的權(quán)重降低，冷門(mén)項(xiàng)目讓其在相似度計(jì)算中的權(quán)重升高。用

3、戶(hù)共同評(píng)分?jǐn)?shù)是針對(duì)用戶(hù)間相似度計(jì)算的調(diào)節(jié)因子，用戶(hù)共同評(píng)分越多，調(diào)節(jié)因子的值越大，共同評(píng)分的值越少，調(diào)節(jié)因子的值越小。最后通過(guò)實(shí)驗(yàn)驗(yàn)證了加入這兩個(gè)調(diào)節(jié)因子能夠有效地提高推薦的準(zhǔn)確度。
　　其次，由于社交網(wǎng)站的興起，傳統(tǒng)的協(xié)同過(guò)濾沒(méi)有考慮社交因素對(duì)推薦結(jié)果的影響，有效的利用社交網(wǎng)絡(luò)關(guān)系不僅能夠提高推薦質(zhì)量還能提高用戶(hù)體驗(yàn)，用戶(hù)的社交好友關(guān)系在一定程度上反映了他們?cè)谂d趣愛(ài)好上的相似，在社交網(wǎng)絡(luò)關(guān)系中聯(lián)系越緊密的人其興趣相似的概率也越高

4、。本文在傳統(tǒng)基于用戶(hù)協(xié)同過(guò)濾基礎(chǔ)上，設(shè)計(jì)了一種在相似度計(jì)算中加入用戶(hù)重要度融合社交網(wǎng)絡(luò)關(guān)系的推薦算法即 SC-UBCF(Social User-based Collaborative Filtering)算法，用戶(hù)的重要度是根據(jù)用戶(hù)的社交關(guān)系計(jì)算出來(lái)的，通過(guò)用戶(hù)的社交網(wǎng)絡(luò)好友信息提高相似度計(jì)算的準(zhǔn)確性，從而提高推薦質(zhì)量。
　　最后，本文使用百度電影數(shù)據(jù)集設(shè)計(jì)了三組實(shí)驗(yàn)對(duì)算法進(jìn)行驗(yàn)證。第一組實(shí)驗(yàn)確定了用戶(hù)共同評(píng)分?jǐn)?shù)調(diào)節(jié)因子中參數(shù)最佳