傳統(tǒng)的推薦系統(tǒng)通常主要專注于充分利用用戶-項(xiàng)目的評(píng)分信息,而隨著推薦系統(tǒng)應(yīng)用場(chǎng)景的不斷擴(kuò)展,僅僅依據(jù)用戶-項(xiàng)目間的二元評(píng)分關(guān)系進(jìn)行相關(guān)推薦,往往無(wú)法獲得令人滿意的推薦效果。社會(huì)化推薦系統(tǒng)將社交信息作為輔助數(shù)據(jù),試圖通過(guò)考慮社交網(wǎng)絡(luò)中的社交關(guān)系和評(píng)分?jǐn)?shù)據(jù)來(lái)提高推薦系統(tǒng)評(píng)分預(yù)測(cè)和項(xiàng)目排序推薦任務(wù)的準(zhǔn)確性。目前,學(xué)者們針對(duì)社會(huì)化推薦算法取得了一系列研究成果,但依然存在如下不足:（1）雖然已將社交關(guān)系融入了相似度的計(jì)算之中,但是社交關(guān)系和評(píng)分?jǐn)?shù)據(jù)中的隱含信息并未得到充分挖掘;（2）社會(huì)化推薦算法采用了矩陣分解中點(diǎn)積方式,這種方式的固有不足會(huì)造成推薦結(jié)果的誤差;（3）評(píng)分預(yù)測(cè)和項(xiàng)目排序是推薦系統(tǒng)的兩大任務(wù),雖然可通過(guò)融入社交關(guān)系來(lái)提高推薦準(zhǔn)確率,但項(xiàng)目排序的依據(jù)依然是評(píng)分信息。針對(duì)以上存在的問(wèn)題,本文重點(diǎn)開(kāi)展了如下工作:（1）提出了一種融合信任關(guān)系和用戶隱含相似度的推薦算法。該算法同時(shí)考慮用戶分別作為信任者和被信任者時(shí)與其好友間的相似度,間接實(shí)現(xiàn)了信任傳遞,從而更全面利用了評(píng)分信息和信任關(guān)系的隱含信息。同時(shí),算法利用用戶特征向量來(lái)計(jì)算用戶的評(píng)分相似度,而不需考慮共同評(píng)分集合;利用信任關(guān)系的特征向... 

【文章來(lái)源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

曼哈頓距離示例

【參考文獻(xiàn)】：
期刊論文
[1]談?wù)劇巴扑]系統(tǒng)”和“搜索引擎”[J]. 陳運(yùn)文.  計(jì)算機(jī)與網(wǎng)絡(luò). 2017(24)
[2]融合社交信息的矩陣分解推薦方法研究綜述[J]. 劉華鋒,景麗萍,于劍.  軟件學(xué)報(bào). 2018(02)
[3]一種基于信任關(guān)系隱含相似度的社會(huì)化推薦算法[J]. 潘一騰,何發(fā)智,于海平.  計(jì)算機(jī)學(xué)報(bào). 2018(01)
[4]基于用戶相似度的協(xié)同過(guò)濾推薦算法[J]. 榮輝桂,火生旭,胡春華,莫進(jìn)俠.  通信學(xué)報(bào). 2014(02)

博士論文
[1]社交媒體中的個(gè)性化推薦關(guān)鍵技術(shù)研究[D]. 李舒辰.北京郵電大學(xué) 2018
[2]基于馬氏距離的度量學(xué)習(xí)算法研究及應(yīng)用[D]. 梅江元.哈爾濱工業(yè)大學(xué) 2016
[3]推薦系統(tǒng)關(guān)鍵技術(shù)研究[D]. 任磊.華東師范大學(xué) 2012



本文編號(hào)：3249450