基于情境上下文和社交网络的个性化推荐方法研究

发布时间：2019-07-26 16:34

【摘要】：随着Web2.0时代的到来,我们面临最大的问题就是信息过载,搜索引擎和推荐系统的出现解决了这个问题。协同过滤推荐算法是现在最常用也是最成功的推荐技术之一,在电子商务等诸多领域有着广泛的应用。但是传统的协同过滤推荐算法存在稀疏性和冷启动等问题,所以很有必要在推荐算法中引入新的数据源来减轻这些问题。情境上下文和社交网络可以给推荐系统提供更多关于用户的信息。相比传统的协同过滤推荐算法,引入情境上下文可以帮助用户更准确地找到用户感兴趣的项目,社交网络则可以提供更多的用户偏好信息以及用户行为数据,从而部分地缓解了推荐系统的稀疏性和冷启动问题。所以如何融合情境上下文和社交网络信息来提高推荐系统的准确度是一个很值得研究的问题。本文提出了几种融合时间上下文、地点上下文和用户社交网络信息推荐算法。在传统的协同过滤算法相似度计算的基础之上,进行如下改进：1.用户的兴趣会随时间的推移而产生变化,本文考虑两个方面的时间变化：一个是用户随时间变化的兴趣相似度,另一个是相似用户的最近兴趣。我们引入了一个时间衰减函数来体现用户不同时期的兴趣变化。2.不同地方的用户兴趣存在着一定的差别,本文将用户按照不同城市进行类别划分,相同城市用户的地点相似度权重大,不同城市用户的地点相似度权重小。3.用户往往对基于自己好友的推荐信息更加信任,因此如果推荐项目是好友感兴趣的项目,那么用户就会更相信推荐结果。本文根据用户社交网络信息计算用户的熟悉程度,用户之间的共同好友比例越高,用户之间越熟悉,他们的兴趣相似度也就越高。本文将以上三种信息通过不同的方式线性加权融合到传统的协同过滤算法中,并且通过在豆瓣数据集上进行实验,证明了本文提出的改进算法比传统的协同过滤算法对推荐准确度有明显的提高。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3

【相似文献】

相关期刊论文 前10条

1 ;基于位置的手机社交网络“贝多”正式发布[J];中国新通信;2008年06期

2 曹增辉;;社交网络更偏向于用户工具[J];信息网络;2009年11期

3 ;美国:印刷企业青睐社交网络营销新方式[J];中国包装工业;2010年Z1期

4 李智惠;柳承烨;;韩国移动社交网络服务的类型分析与促进方案[J];现代传播(中国传媒大学学报);2010年08期

5 贾富;;改变一切的社交网络[J];互联网天地;2011年04期

6 谭拯;;社交网络:连接与发现[J];广东通信技术;2011年07期

7 陈一舟;;社交网络的发展趋势[J];传媒;2011年12期

8 殷乐;;全球社交网络新态势及文化影响[J];新闻与写作;2012年01期

9 许丽;;社交网络:孤独年代的集体狂欢[J];上海信息化;2012年09期

10 李玲丽;吴新年;;科研社交网络的发展现状及趋势分析[J];图书馆学研究;2013年01期

相关会议论文 前10条

1 赵云龙;李艳兵;;社交网络用户的人格预测与关系强度研究[A];第七届（2012）中国管理学年会商务智能分会场论文集（选编）[C];2012年

2 宫广宇;李开军;;对社交网络中信息传播的分析和思考——以人人网为例[A];首届华中地区新闻与传播学科研究生学术论坛获奖论文[C];2010年

3 杨子鹏;乔丽娟;王梦思;杨雪迎;孟子冰;张禹;;社交网络与大学生焦虑缓解[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

4 毕雪梅;;体育虚拟社区中的体育社交网络解析[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

5 杜p，

本文编号：2519665