基于社会网络模型的协同过滤算法研究与应用

发布时间：2017-04-16 03:18

  本文关键词：基于社会网络模型的协同过滤算法研究与应用，，由笔耕文化传播整理发布。

【摘要】：随着科技的进步、信息技术的快速发展,我们已经进入到“大数据”时代,如何从中大量信息中获取有用信息成为了一个难题。传统搜索引擎等相关技术已经越发不能满足“大数据"时代下的检索需求,推荐系统能基于用户信息发现用户兴趣与需求,并为用户提供主动、个性化服务,可以很好的解决这个问题。推荐系统的核心是推荐算法,它决定着系统的性能优劣。目前,在推荐系统中应用范围最广的算法之一就是协同过滤算法,它根据用户的历史行为信息和自身基本信息,求出与此用户相似度最高的最近邻居集,并根据最近邻集为用户未行为的项目进行兴趣度预测。但是此算法也存在一些问题,比如冷启动、稀疏矩阵、可扩展性等问题。社会网络分析方法已经发展成为比较完善和成熟的研究方法,且已成功运用在其他学科领域内。社会网络是由节点和连线组成,是一种联系的集合。它以联系为研究核心,关注个体之间的关系以及相互的影响。社会网和协同过滤方法研究的重点都是个体间的关系,本文通过社会网络分析方法优化协同过滤算法,解决传统算法存在的问题、提高推荐精确度。本文主要研究工作与创新点有以下几个方面：(1)对协同过滤和社会网络的概念、模型方法、作用等相关理论进行了阐述,为后续的研究提供了理论指导。(2)使用社会网络分析中的群体动力学模型优化协同过滤算法,综合考虑个体因素和环境因素对用户评分行为的影响。在真实数据集上设计实验,验证本改进算法的推荐性能,并与其它算法进行分析对比。(3)使用社会网络分析中的图论模型优化协同过滤算法,构建项目交互网络图并重新定义项目相似度的概念和计算方法。在真实数据集上设计实验,验证本改进算法的推荐性能,并与其它算法进行分析对比。(4)在真实的旅游网站上收集旅游数据信息,并对这些数据进行分析、预处理,然后使用本文提出的改进协同过滤算法为游客提供个性化旅游推荐服务,最后搭建个性化旅游推荐系统。
【关键词】：个性化推荐 协同过滤 群体动力学 图论 旅游服务平台
【学位授予单位】：陕西师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-16
• 1.1 研究的背景与意义8-10
• 1.2 国内外研究现状10-13
• 1.2.1 协同过滤算法研究现状10-12
• 1.2.2 社会网络分析研究现状12-13
• 1.3 研究内容13-14
• 1.4 论文组织结构14-16
• 第2章 相关理论基础16-34
• 2.1 协同过滤算法17-25
• 2.1.1 基于内存的协同过滤算法19-21
• 2.1.2 基于模型的协同过滤算法21-23
• 2.1.3 混合推荐技术23-25
• 2.2 协同过滤算法面临的挑战25-26
• 2.3 社会网络分析26-29
• 2.3.1 社会网络的定义26-28
• 2.3.2 社会网络的表示28-29
• 2.4 社会网络模型29-32
• 2.4.1 群体动力学30
• 2.4.2 图论30-32
• 2.5 本章小结32-34
• 第3章 基于群体动力学模型的协同过滤改进算法34-44
• 3.1 群体因子计算34-35
• 3.2 群体信任度计算35-36
• 3.3 算法实现36-38
• 3.3.1 算法简述36-37
• 3.3.2 算法流程图37-38
• 3.4 实验及分析38-42
• 3.4.1 实验数据集38
• 3.4.2 实验评判标准38-39
• 3.4.3 实验结果及分析39-42
• 3.5 本章小结42-44
• 第4章 基于图论的多重项目相似度协同过滤改进算法44-54
• 4.1 算法概述44-45
• 4.2 项目属性相似度计算45-46
• 4.3 项目交互相似度计算46-49
• 4.3.1 构建项目网络图46-47
• 4.3.2 SimRank算法计算相似度47-49
• 4.4 算法实现49-52
• 4.4.1 算法简述49-51
• 4.4.2 算法流程图51-52
• 4.5 实验及分析52-53
• 4.6 本章小结53-54
• 第5章 协同过滤在旅游景点推荐的应用54-68
• 5.1 数据采集54-56
• 5.2 数据整理分析56-58
• 5.3 旅游景点的推荐58-59
• 5.4 智能旅游推荐系统搭建59-66
• 5.4.1 总体功能结构设计59-61
• 5.4.2 开发环境的构建61
• 5.4.3 主要功能实现61-66
• 5.5 本章小结66-68
• 第6章 总结与展望68-70
• 6.1 本文工作总结68-69
• 6.2 今后的工作69-70
• 参考文献70-76
• 致谢76-78
• 攻读硕士学位期间研究成果78

【参考文献】

中国期刊全文数据库 前3条

1 罗辛;欧阳元新;熊璋;袁满;;通过相似度支持度优化基于K近邻的协同过滤算法[J];计算机学报;2010年08期

2 刘亮亮;曹菡;韩亚楠;;基于群体动力学的协同过滤算法及应用[J];计算机应用研究;2014年12期

3 荣辉桂;火生旭;胡春华;莫进侠;;基于用户相似度的协同过滤推荐算法[J];通信学报;2014年02期

中国硕士学位论文全文数据库 前1条

1 张彦龙;结合社会网络分析的协同过滤算法改进研究[D];华南理工大学;2014年

  本文关键词：基于社会网络模型的协同过滤算法研究与应用，由笔耕文化传播整理发布。

本文编号：309899