面向科研社交网络的混合好友推荐方法研究

发布时间：2023-03-07 10:01

　　好友推荐问题是个性化推荐领域中重要的研究课题,近年来受到了工业界和学术界的广泛关注。近年来,作为Web2.0技术典型应用的科研社交网络因满足了大量科研人员个性化的社交需求而得到普及。面向科研社交网络进行好友推荐不仅可以解决信息过载问题,而且可以帮助用户建立有价值的好友关系或增加用户间学习、交流和共享知识的机会。因此,考虑面向科研社交网络中用户的好友推荐问题非常具有理论和现实意义。目前,虽然学者已经展开了对好友推荐方法的广泛研究,但是多数基于普通社交网络,少有研究针对科研社交网络的情境。而且已有好友推荐方法主要依据用户和好友间的交互行为,缺乏对社交网络中社会化信息如用户相似度和好友关系的深入分析和挖掘。为此,本研究针对科研社交网络中广泛存在的社会化信息,主要从基于内容和基于矩阵分解模型两个角度提出一种混合好友推荐方法Social-PMF(Social-Probabilistic Matrix Factorization)。首先在基于内容推荐方面,本研究结合TF-IDF技术和情感分析技术全面分析用户发布博文内容的文本相似度和情感相似度,再将两种相似度依据线性策略进行融合得到用户相似度。然后...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外相关研究现状
        1.2.1 科研社交网络中推荐问题研究现状
        1.2.2 好友推荐方法研究现状
    1.3 研究方法
    1.4 研究目标和研究内容
        1.4.1 研究目标
        1.4.2 研究内容
    1.5 本文的组织结构
第二章 相关基础理论
    2.1 科研社交网络的理论研究
        2.1.1 科研社交网络概述
        2.1.2 科研社交网络与推荐
    2.2 好友推荐的理论研究
        2.2.1 好友推荐与社会化推荐
        2.2.2 好友推荐方法研究
        2.2.3 矩阵分解模型
    2.3 小结
第三章 考虑社会化信息的混合好友推荐方法
    3.1 研究问题背景
    3.2 考虑用户相似度和好友关系的混合好友推荐方法
        3.2.1 混合好友推荐方法框架
        3.2.2 问题形式化定义
        3.2.3 融合文本内容和情感倾向的用户相似度构建
        3.2.4 社会化矩阵分解模型构建
        3.2.5 社会化矩阵分解模型求解
    3.3 小结
第四章 实验设计与分析讨论
    4.1 实验设计
        4.1.1 数据集
        4.1.2 评价指标
        4.1.3 对比方法
        4.1.4 实验流程
    4.2 结果分析与讨论
        4.2.1 实验结果和分析
        4.2.2 参数讨论
    4.3 小结
第五章 总结与展望
    5.1 主要贡献和创新点
    5.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3757409