基于二分网络集团化的推荐算法改进研究

发布时间：2019-12-01 23:02

【摘要】：随着科学技术的持续发展,人们已经敲开了互联网时代的大门。人们在享受网络带来“信息便利”的同时,也忍受着“信息过载”所带来的困扰,甚至为此感到不堪重负。推荐系统的出现,使得这一问题有了良好的解决方法,同时也成为了世界上广大的学者们关注的对象。在推荐系统的研究工作中,能够推荐更高的精确性与多样性的个性化推荐算法更是成为了学者和技术人员广泛关注和研究的热点。本文基于同一个社团结构中的节点更具相似性这一思想,对推荐算法的推荐结果进行了优化,提出了一种基于网络集团化的改进个性化推荐算法。与已有的不同推荐算法在人工网络与实际网络上进行比较,其最高可以提高20%的精确度与7%的多样性,同时揭示了在网络中进行推荐时,根据节点的不同属性进行分类的重要性。而在推荐系统的研究过程中,不仅算法的准确度与多样性是我们重点研究的对象,而且算法的稳定性也是一项非常重要的指标。针对在线测试的结果和实验室的结果无法完全匹配,经常会出现与实验室结果不一致现象的问题,我们研究讨论了 Top-n相似性推荐算法与Top-n稳定性推荐算法的表现,实验表明,Top-n稳定性算法可以较好地解决这一问题。然而这种方法的侧重点在于研究算法的稳定性而忽视了推荐结果的准确性与多样性,面对这一矛盾,我们在Top-n稳定性推荐算法中考虑了二分网络的社团结构特征,提出了一种稳定的个性化推荐算法。通过实验我们发现,在具有社团结构的二分网络中,考虑集团化因素的Top-n稳定性推荐算法在保持其稳定性的同时,可以大大提高推荐结果的准确性与多样性。
【图文】：

示意图,社团,结构性质,示意图

北京邮电大学理学硕士学位论文系相对而言比较稀疏。我们把具有这种性质结构称为社团概念最早是由Ｇｉｒｖａｎ和Ｎｅｗｍａｎ提出，后来逐渐被人们接受结构的研宄己经持续了十年左右的时间，已成为复杂网络的研究热点和方向。复杂网络的社团结构特性是最普遍和，我们可以将社团结构理解为模块、类、群、组等含义。社团结构对于分析网络的结构、功能和预测都具有十分重们展示了一个小型的具有社团结构的网络示意图，在这每个社团内部节点之间连边（深灰色线）的密度较大，而边（浅灰色线）的密度低得多。逡逑

推荐算法,混合扩散,算法,红色

原始的混合扩散推荐算法与ＩＲＢＣ推荐算法得到的推荐结果的排序分出现了重合逡逑的现象。逡逑图３－２展示了邋Ｐｒｅｃｉｓｉｏｎ随着人的变化而变化的关系，精确度定义为前ｉＶ条预测逡逑边中，预测准确的比例。因此精确度值越大代表该推荐算法的推荐效果越好。从逡逑图中我们也可以看到，当＝邋８时，ＩＲＢＣ算法没有提升推荐算法的准确度；逡逑当时，ＩＲＢＣ算法在一定的Ａ范围内提高了准确性；当＜‘的＞邋＝１３时，逡逑ＩＲＢＣ算法的表现完全优于原始的混合扩散算法；而当＝邋１５时，两种算法逡逑的表现完全一致。图３－３向我们展示了Ｎｏｖｅｌｔｙ随Ａ的变化而变化的关系。Ｎｏｖｅｌｔｙ逡逑计算了前Ａ／个预测物品的平均度，平均度越小代表算法推荐的结果越冷门，在一逡逑定程度上越能给用户惊喜。从图中我们可以看到与图３－１、图３－２—样的表现模式：逡逑在二分网络社团化程度居中时，，与原始的混合扩散算法相比，ＩＲＢＣ算法的推荐逡逑结果具有较好的多样性，可以给用户较大的惊喜。逡逑逦邋０．１２４
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：O157.5;TP391.3

【参考文献】