隨著互聯(lián)網(wǎng)的普及,網(wǎng)絡(luò)上信息量大幅度增長(zhǎng),使得用戶(hù)難以從海量信息中發(fā)現(xiàn)自己需要的信息,對(duì)信息的利用效率反而降低了,帶來(lái)了信息過(guò)載問(wèn)題。推薦系統(tǒng)通過(guò)探究用戶(hù)的興趣偏好,自動(dòng)發(fā)掘用戶(hù)的興趣點(diǎn),從而推薦給用戶(hù)其可能感興趣的信息,解決了信息過(guò)載問(wèn)題。協(xié)同過(guò)濾推薦算法具有簡(jiǎn)單、高效、易部署等優(yōu)點(diǎn),在推薦系統(tǒng)中得到了廣泛應(yīng)用。但傳統(tǒng)的協(xié)同過(guò)濾推薦算法只利用用戶(hù)對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)進(jìn)行推薦,面臨著數(shù)據(jù)稀疏性、冷啟動(dòng)等諸多問(wèn)題,使得推薦結(jié)果的準(zhǔn)確性較差。本文針對(duì)傳統(tǒng)協(xié)同過(guò)濾算法中的數(shù)據(jù)稀疏性問(wèn)題,將用戶(hù)之間的社交關(guān)系結(jié)合到推薦算法當(dāng)中,以提高推薦系統(tǒng)的準(zhǔn)確性,并在一定程度上解決用戶(hù)冷啟動(dòng)問(wèn)題。本文的研究工作和創(chuàng)新點(diǎn)如下:（1）分析了推薦系統(tǒng)中的用戶(hù)在社交網(wǎng)絡(luò)中的拓?fù)溆绊懥?提出了一種基于協(xié)同過(guò)濾的社會(huì)化推薦算法。在矩陣分解算法的基礎(chǔ)上,結(jié)合了用戶(hù)拓?fù)溆绊懥σ约叭钟绊懥�。用�?hù)拓?fù)溆绊懥s束用戶(hù)與其信任好友之間、網(wǎng)絡(luò)中重要用戶(hù)之間偏好的相近程度,全局影響力約束某用戶(hù)的評(píng)分在預(yù)測(cè)評(píng)分誤差函數(shù)中的權(quán)重。在兩個(gè)真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,該算法相比于其它對(duì)比算法,可以為系統(tǒng)中全部用戶(hù)和冷啟動(dòng)用戶(hù)提供更準(zhǔn)確的評(píng)分預(yù)... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

推薦系統(tǒng)結(jié)構(gòu)圖

圖２－３社會(huì)化推薦系統(tǒng)示例〖２７］１＿８??Ｆｉｇｕｒｅ?２－３?Ａ?Ｓａｍｐｌｅ?Ｓｏｃｉａｌ?Ｒｅｃｏｍｍｅｎｄｅｒ?Ｓｙｓｔｅｍ１２７１１＇８??

圖３－１基于信任的推薦示例??Ｆｉｇｕｒｅ?３－１?Ｅｘａｍｐｌｅ?ｆｏｒ?Ｔｒｕｓｔ?Ｂａｓｅｄ?Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ??

【參考文獻(xiàn)】：
期刊論文
[1]基于稀疏數(shù)據(jù)預(yù)處理的協(xié)同過(guò)濾推薦算法[J]. 陳宗言,顏俊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(07)
[2]社會(huì)化推薦系統(tǒng)研究[J]. 孟祥武,劉樹(shù)棟,張玉潔,胡勛.  軟件學(xué)報(bào). 2015(06)
[3]協(xié)同過(guò)濾推薦系統(tǒng)研究綜述[J]. 楊強(qiáng),楊有,余春君.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2015(13)

碩士論文
[1]社交網(wǎng)絡(luò)中基于協(xié)同過(guò)濾的推薦算法研究[D]. 宋郝開(kāi).西安電子科技大學(xué) 2018



本文編號(hào)：3291192