基于社交网络用户影响力的推荐系统的研究与实现

发布时间：2024-05-12 00:16

　　随着互联网社交平台的快速发展,网络信息和资源迅速膨胀,网络用户社交关系也日益复杂,信息过载的问题越来越突出。推荐系统作为一种信息过滤系统,通过对用户历史行为数据、网络用户社交关系以及网站项目特征的深度挖掘和分析,构建个性化偏好模型,为用户推荐其需要的信息。文本主要研究分析如何利用社交用户的影响力分布和兴趣相似度提高概率分解模型的精度。根据用户活跃度、信息质量、兴趣相似度改进了基于PageRank的局部影响力模型,结合用户历史行为、主题倾向提出了兴趣相似度计算方法。最后,将两者融合到概率矩阵分解模型中,提出了IS-PMF模型。本文主要工作如下:首先,概述了问答社区的背景、意义和推荐系统研究现状,介绍了推荐系统的几种传统算法,文本特征提取技术及推荐系统相关技术;阐述了社交网络和影响力的计算分析方法,为本文的研究提供了理论基础。其次,本文提出了利用用户历史行为数据来综合衡量用户-项目评分。由于传统推荐算法往往使用显式反馈的评分矩阵进行计算,但是随着社交网络发展,越来越多的社交网站只存在隐性反馈,另外只利用显式反馈数据会造成数据稀疏、冷启动等问题。所以选择利用用户历史行为数据综合衡量用户-项目...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 论文的研究内容
    1.4 论文的结构组织
第二章 相关技术理论和算法
    2.1 社交网络
    2.2 传统推荐方法
    2.3 文本特征提取
    2.4 其他相关技术
    2.5 本章小结
第三章 社交网络影响力的分析与量化
    3.1 社交网络影响力分析
    3.2 社交网络影响力的分析方法
    3.3 改进的用户全局和局部影响力度量方法
    3.4 本章小结
第四章 基于用户影响力的推荐算法
    4.1 问题描述
    4.2 影响力与相似度修正PMF推荐模型
    4.3 实验分析
    4.4 本章小结
第五章 系统设计与实现
    5.1 系统框架
    5.2 系统需求分析
    5.3 系统数据库设计
    5.4 系统功能模块设计
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简介
附件



本文编号：3970575