基于社交网络的个性化推荐算法研究

发布时间：2019-10-21 17:49

【摘要】：随着社交网络的不断普及和应用,大量的用户涌入社交网络之中。使社交网络中出现了“信息过载”的问题,为了帮助用户在海量的数据中找寻他们可能感兴趣的信息,提升用户体验,个性化推荐算法诞生了,为了解决推荐质量与实际情况存在偏差的问题以及社区人数不足导致推荐质量下降问题,本文的主要研究工作如下:1.针对传统个性化推荐算法中无法动态的为用户产生推荐,使用显示交互行为收集信息繁琐等问题提出了一种基于兴趣传递的好友推荐算法。该算法为了更为真实的符合现实情况,引入了艾宾浩斯记忆曲线模拟人脑对事物的遗忘规律,并且加入了兴趣传递理论。并且针对用户犹豫时间而产生的推荐不标准问题,以用户浏览时间为标准重新定义了用户相似度计算方法,最后通过社交网站中的真实数据进行实验,验证了算法的有效性。2.针对社区类好友推荐算法中存在的社区人数不足导致推荐质量下降问题,提出一种基于相似社区的好友列表扩充算法。该方法首先从社区中筛选权威用户,接着利用权威用户的历史微博文本挖掘出社区的关键词,然后计算关键词的相似度与相关度发现相似社区,最后将相似社区融合后产生推荐。通过社交网站中的真实数据进行实验,表明该算法更加适用于人数较少的小规模社交网络,并且相对CUPC算法中提及的两种扩充好友列表方法,该算法的准确率和召回率均有所提升。实验结果表明,本文提出的两种算法相对于原文算法在用户相似度均值、准确率和召回率上均有所提升。在社交网络中使用本文提及的算法,对用户具有提升用户体验的积极意义,对运营商具有提升用户粘性,提升收益的积极意义,对其他领域的个性化推荐算法研究也有着一定的理论借鉴意义。
【图文】：

论坛,首页,社交

中国互联网络信息中心（CNNIC）于 2017 年 8 月 4 日下午发布了 2017 年度的《中国互联网络发展状况统计报告》。该报告显示截至 2017 年 6 月，我国网民人数达到 7.51 亿，达到全国总人口的 54.3%。当今社会的人们已经不再满足于成为信息的接受者，而更倾向于成为信息的发布者与分享者。正是由于这种需求，社交网络服务（Social Network Service，简称 SNS）应运而生。越来越多的人们开始使用社交网络，在社交网络上记录自己的生活、发布自己的观点、浏览自己感兴趣的信息。社交网络已经不仅是一种与他人分享交流信息的途径，更成为人们生活中的一大组成部分，在潜移默化之中改变着人们日常交流的方式。如果对社交网络进行溯源，最早可以溯源到上个世纪 80 年代中叶的电子公告牌系统（Bulletin Board System，简称 BBS）以及美国在线（American Online，简称 AOL）。这些大多只是论坛形式的信息发布地，他们只是社交网络概念的雏形。目前，这种较为原始的社交网络仍在沿用，如图 1-1 所示的我国的“天涯论坛”。

个性化推荐

图 1-2 Twitter 中的个性化推荐系统Fig. 1-2 Personalize in Twitter内外研究现状20 世纪 90 年代，个性化推荐技术已经得到了国内外相关领域学些关注不仅体现在推荐技术的理论研究中，更加体现在实际应技术首创者是 Amazon，它的出现不仅给 Amazon 公司带来了将个性化推荐技术带入了人们的生活。Amazon 公司首先对用接着对这些数据通过一定的算法进行分析，根据用户的偏好，化推荐。算法主要通过分析用户的相似性，挖掘当前用户没有买过的物品来进行推荐。这样一来，用户无需花费大量的时间买的物品，为用户节省了时间，提升了用户体验，从而为 Am收益，使得当年公司收益同期增长约 23%。Netflix 是一家著提供商，为了给用户推荐更为准确的视频，，曾经在 2006 年悬
【学位授予单位】：河南科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.3

【参考文献】