基于社交网络的推荐算法应用研究

发布时间：2017-05-02 15:00

  本文关键词：基于社交网络的推荐算法应用研究，，由笔耕文化传播整理发布。

【摘要】：社交网络已经随着互联网技术的不断成熟而迅速发展,并深入到人们日常生活中的各个角落。推荐系统根据用户的历史浏览和好友关系,分析用户和好友的兴趣爱好,隐式并主动的向用户推荐物品,已经逐渐成为用户在社交网络上获取信息的重要途径之一。而如何有效的向用户推荐其感兴趣的物品,并获得用户的认可,获取较高的点击率,正是推荐算法研究的核心问题。本文首先介绍了当前推荐系统和社交网络的研究现状,详细分析了个性化推荐系统涉及的不同的推荐算法的应用范围和优缺点,然后结合社交网络的结构特征分析了社交网络的社会关系、信息传播方式和时间因素对个性化推荐系统的影响。当前社交网络个性化推荐算法对好友和物品的个性化信息利用不足,没有充分体现社交网络中人与物之间的个性化关系特征,算法流程计算量大,复杂度偏高。因此,本文重点研究如何充分利用社交网络特性对个性化推荐算法进行改进。本文分析了社交网络个性化推荐与图排名问题的相似关系,介绍了基于图排名问题的Page Rank算法,以及基于Page Rank随机游走思想的Personal Rank个性化推荐算法,同时,结合社交网络的结构特征,提出了用户关系强度和用户对物品的兴趣度的概念和计算方法,讨论了二者对于社交网络推荐算法的重要意义,并将二者统一为权重的概念加入到Personal Rank推荐算法的计算公式中,从而达到改进算法效率的目的,最后通过实验验证了该算法的正确性和有效性。
【关键词】：社交网络 推荐算法 用户关系强度 PersonalRank算法
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3;TP393.09
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-14
• 1.1 研究背景与意义8-9
• 1.2. 国内外研究现状9-12
• 1.2.1 个性化推荐系统研究概况9-10
• 1.2.2 社交网络及其个性化推荐研究概况10-12
• 1.3 现有研究的不足之处12-13
• 1.4 本文的主要研究内容13-14
• 2 个性化推荐系统14-24
• 2.1 个性化推荐系统概述14-15
• 2.2 个性化推荐方法15-21
• 2.2.1 协同过滤推荐15-18
• 2.2.2 基于内容的推荐18-19
• 2.2.3 混合推荐19-20
• 2.2.4 基于网络结构的推荐20
• 2.2.5 其他推荐技术20-21
• 2.3 相关技术21-24
• 2.3.1 分类器21-22
• 2.3.2 聚类22
• 2.3.3 关联分析22-23
• 2.3.4 降维23-24
• 3 基于社交网络的个性化推荐24-30
• 3.1 社交网络概述24-25
• 3.1.1 社交网络的特点24-25
• 3.1.2 社交网络结的理论基础25
• 3.2 社交网络对个性化推荐的影响因素25-28
• 3.2.1 社交网络的结构特征25-26
• 3.2.2 社交网络的社会关系对个性化推荐的影响26-27
• 3.2.3 社交网络的信息传播对个性化推荐的影响27
• 3.2.4 社交网络的时间因素对个性化推荐的影响27-28
• 3.3 基于社交网络个性化推荐研究28-29
• 3.4 小结29-30
• 4 基于社交网络结构的Top-N推荐30-36
• 4.1 引言30
• 4.2 算法描述30-34
• 4.2.1 二分图模型30-32
• 4.2.2 PersonalRank算法32-33
• 4.2.3 基于社交网络的PersonalRank算法33-34
• 4.3 关键参数计算34-36
• 4.3.1 用户关系强度34-35
• 4.3.2 用户对物品的兴趣度35-36
• 5 实验与分析36-59
• 5.1 实验数据36-37
• 5.2 实验设计37-50
• 5.2.1 算法设计37-38
• 5.2.2 数据存储38-46
• 5.2.3 数据选择46-50
• 5.3 实验与分析50-59
• 5.3.1 实验过程50-54
• 5.3.2 结果分析54-59
• 6 总结与展望59-61
• 6.1 总结59
• 6.2 展望59-61
• 致谢61-62
• 参考文献62-65
• 附录65
• A. 作者在攻读学位期间发表的论文目录65

【共引文献】

中国期刊全文数据库 前10条

1 高亮;;基于个性化阅读的农家书屋数字化建设研究[J];计算机光盘软件与应用;2013年03期

2 张彦龙;;基于上下文感知的组推荐系统框架设计[J];经营管理者;2014年06期

3 徐敏政;许s

本文编号：341134