基于二部網絡分析的推薦算法研究及其應用.pdf

1、隨著網絡的高速發(fā)展與普及，人們的生活與網絡密切相關，網絡上的購房租房信息過載成為購置或租賃房屋的用戶的一大難題。隨著房屋網站和中介網站中的房屋出租、二手房出售等信息越來越多，部分信息得不到更新，使得用戶很難高效地找到適合自己的房屋信息。相關網站面臨著的重要問題就是怎樣實時并且準確地向用戶提供其感興趣的房屋，而解決這一問題的有效方法便是個性化推薦系統。
　　本文作者參加了365淘房網房屋購買與租賃推薦系統的部分開發(fā)工作，根據項目的需

2、要，從二部網絡分析的角度研究了對房屋的個性化推薦方法，并設計與開發(fā)了相應的房屋推薦系統，主要研究工作和成果如下:
　　(1)根據房屋推薦系統的數據的特點，本文提出了基于二部網絡社區(qū)挖掘的推薦算法。用帶權的二部圖來表達用戶-項目的評分矩陣。我們提出了二部網絡社區(qū)挖掘的標號傳遞的算法，先將用戶劃分社區(qū)，再將需要推薦的用戶劃分到最相關的社區(qū)，然后利用用戶間的相似性進行推薦。算法綜合考慮了用戶與社區(qū)的關系，以及用戶之間、項目之間的相似性，

3、找出用戶有潛在興趣的項目。實驗結果說明該算法的推薦結果比較其他相類似的推薦算法具有較高的精度。
　　(2)提出了將二部網絡鏈接預測中的Jaccard指標與奇異值分解相結合的混合推薦算法。算法先用Jaccard算法求出其推薦房源的相似度指標矩陣，然后我們用奇異值分解算法補齊Jaccard指標矩陣的零元素，從而得到一張完整的推薦列表。我們提出了對Jaccard指標與奇異值分解動態(tài)增量更新的算法，以適應評分表的動態(tài)變化。實驗結果說明，該