基于社区矩阵的概率矩阵分解推荐算法研究

发布时间：2024-12-01 22:16

　　大数据时代下互联网信息量爆炸式增长,用户难以从大数据中检索到个人所需要的资源,这样的信息过载问题无法避免。推荐系统能有效解决信息过载问题,推荐算法是推荐系统的核心部分,研究推荐算法对于提高推荐系统性能、扩展推荐系统功能很有意义。概率矩阵分解算法,作为协同过滤算法之一,其优秀特性在业界有很深远的影响,但同样的,该算法会受到冷启动问题的影响。为提高算法的推荐准确性,并解决冷启动问题,论文考虑用户社交关系,从用户集群协作的角度出发,使用社区处理用户社交信息,将社区与概率矩阵分解相结合,提出基于社区矩阵的概率矩阵分解推荐算法(CPMF算法,A Probability Matrix Factorization Recommendation Algorithm based on Community Matrix)。为使用户的整体集群程度最好,论文提出基于模块度的SLPA社区划分算法,该算法将用户社交信息构成的社交网络划分,输出模块度最大的目标社区。根据用户和社区的从属关系,论文定义社区矩阵,以社区矩阵的形式描述用户社交信息。论文CPMF算法融合社区矩阵和用户评分信息构成的用户评分矩阵,经概率矩阵分解...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图1-1空手道俱乐部人际关系网络图1-1是一个真实世界的网络，根据美国大学空手道俱乐部成员间的人际关系，

华中科技大学硕士学位论文点紧密连接，节点组间稀疏连接，网络的这类特性称之为社区结构，每一个社区[21]。社区内的节点连接紧密，两社区间的节点连接稀疏，社区拓扑特征。例如，在社交关系网中，社区可能以人的兴趣区分，同一社趣相似，不同社区的用户兴趣不同。

图1-2淘宝网的推荐示例图

图1-2淘宝网的推荐示例图1.2.2推荐系统推荐系统，在世界各大网站如淘宝网、Amazon、Bilibili、Netflix、Youtube等都发挥着与日俱增的作用，按照推荐系统的推荐，用户能够实现个人的个性化需求。作为国内最大的电商平台淘宝网的推荐系统，如图1-2，由....

图3-1社交网络图的社区划分示例图

图3-1社交网络图的社区划分示例图划分好坏的重要标准，模块度(记作Q)在社区划之前，研究人员只能定性地分析社区，模块度函具有公正性和科学性。根据模块度的相关研究，程度越好，Q值越小，社区的整体松散程度较明为LPA的拓展算法，在社区划分上更加高效有效结果，阈值取值不同可....

本文编号：4013842