基于社交网络的用户画像构建及推荐研究

发布时间：2021-08-03 05:45

　　随着移动互联网的快速发展,社交网络与互联网上的各个行业相互渗透,社交裂变效应明显。对社交网络中的用户及用户之间的关系进行挖掘,以提供更好的推荐服务,已成为当今的研究热点。基于社交网络的推荐算法利用用户的社交关系来缓解评分数据稀疏问题。但是基于直接社交关系的矩阵分解推荐算法存在直接社交关系稀疏问题,影响推荐结果的准确度。针对上述问题,本论文重点研究间接社交关系对推荐算法的影响,利用社区结构和社交影响力来实现更好的推荐效果:一是直接使用社交网络结构信息来计算存在间接社交关系的用户之间的影响力;二是研究社交网络中用户画像构建以更好地挖掘用户的特征信息,然后利用用户画像来计算用户之间的影响力,以提升推荐结果的准确度。本文的主要工作和成果如下:（1）基于社交网络的影响力计算及推荐为了缓解直接好友关系稀疏问题,考虑到同一个社区内的用户在一些方面会存在相似性,彼此之间会产生影响,本文利用社区内用户间社交关系进行推荐。研究社区内用户之间的相互影响,提出了一种融合社区结构和社交影响力的矩阵分解推荐算法SoInf。算法同时使用用户评分信息和社交网络结构信息,来计算用户间社交影响力并构建推荐模型。在使用社交... 

【文章来源】：浙江工业大学浙江省

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

LDA模型的组成

的-3 LDA 模型的生成过程[41]eneration process of LDA model[ 2-3 所示，描述如下：,K}β 中采样得到主题相应的词分):α 中采样得到用户iu 的主题分的单词,, 1, 2 ,u n iw n = N多项式dθ 分布中采样得到单( )dlti θ ， { },1, 2, ,u nz ∈ k = K项式分布u ,nz 中采样得到词语

基于社交网络的用户画像构建及推荐研究（2） 基于简单神经网络的用户画像构建算法Perozzi 等人[9]提出了一种基于简单神经网络的网络表示学习算法 DeepWalk。DeepWalk 算法的思想是把网络中的用户节点当成单词，将通过随机游走产生的用户节点序列当成句子，然后利用自然语言处理中的 Word2vec 算法[47,48]得到用户画像。在网络中使用随机游走得到用户节点序列，将节点序列当成句子。利用Skip-gram 模型对用户节点序列进行学习，从而得到用户节点的低维向量表示。如图 2-4 所示：

【参考文献】：
期刊论文
[1]基于信任机制下概率矩阵分解的用户评分预测[J]. 杜东舫,徐童,鲁亚男,管楚,刘淇,陈恩红.  软件学报. 2018(12)
[2]一种联合LTR和社交网络的Top-k推荐方法[J]. 熊丽荣,王玲燕,黄玉柱.  小型微型计算机系统. 2018(12)
[3]融合用户社会地位和矩阵分解的推荐算法[J]. 余永红,高阳,王皓,孙栓柱.  计算机研究与发展. 2018(01)
[4]融合社交信息的矩阵分解推荐方法研究综述[J]. 刘华锋,景丽萍,于剑.  软件学报. 2018(02)
[5]社会影响力分析综述[J]. 张静,唐杰.  中国科学:信息科学. 2017(08)
[6]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)
[7]社交网络环境下基于信任的推荐算法[J]. 陈婷,朱青,周梦溪,王珊.  软件学报. 2017(03)
[8]一种基于信任关系隐含相似度的社会化推荐算法[J]. 潘一腾,何发智,于海平.  计算机学报. 2018(01)
[9]融合社区结构和兴趣聚类的协同过滤推荐算法[J]. 郭弘毅,刘功申,苏波,孟魁.  计算机研究与发展. 2016(08)
[10]一种基于社交网络社区的组推荐框架[J]. 刘宇,吴斌,曾雪琳,张云雷,王柏.  电子与信息学报. 2016(09)



本文编号：3319056