本文關(guān)鍵詞：基于興趣關(guān)系的網(wǎng)絡(luò)社區(qū)可信用戶推薦模型研究

  更多相關(guān)文章： 社會(huì)網(wǎng)絡(luò) 好友推薦 興趣相似度 可信度 社區(qū)劃分

【摘要】：從Google瀏覽器的搜索引擎開(kāi)始,推薦系統(tǒng)就給人們?cè)诨ヂ?lián)網(wǎng)上進(jìn)行信息咨詢帶來(lái)了極大便利。隨著互聯(lián)網(wǎng)應(yīng)用的發(fā)展,社會(huì)化網(wǎng)絡(luò)服務(wù)(SNS)的熱潮吸引了個(gè)性化推薦的研究焦點(diǎn)。由于使用SNS網(wǎng)站和服務(wù)的人群越來(lái)越多,用戶很難快速找到符合自身興趣的信息,于是很多SNS網(wǎng)站開(kāi)始提供個(gè)性化信息推薦服務(wù)。但由于傳統(tǒng)推薦系統(tǒng)的局限性,以及SNS網(wǎng)站的龐大用戶數(shù),快速定位用戶需求面臨著很大挑戰(zhàn)。 論文以上述問(wèn)題為背景,進(jìn)行社交網(wǎng)絡(luò)中的用戶好友推薦研究。文章開(kāi)始部分對(duì)論文中涉及的關(guān)鍵技術(shù)進(jìn)行研究和總結(jié),主要包括個(gè)性化推薦技術(shù)、社會(huì)網(wǎng)絡(luò)分析方法和信任度評(píng)估方法等；然后選擇新浪微博平臺(tái)為研究對(duì)象,并結(jié)合微博用戶構(gòu)成的社會(huì)網(wǎng)絡(luò)所具有的特點(diǎn),選擇能反映用戶興趣的特征屬性,包括用戶關(guān)注列表、用戶標(biāo)簽列表和個(gè)人描述三個(gè)屬性,建立評(píng)估用戶間興趣相似度的算法模型,得到用戶興趣相似度矩陣和興趣關(guān)系網(wǎng)絡(luò)圖；接下來(lái)通過(guò)使用重疊社區(qū)劃分算法CPM,對(duì)微博用戶的興趣關(guān)系網(wǎng)絡(luò)進(jìn)行興趣派系劃分,并優(yōu)化組合,構(gòu)建用戶興趣緊密型社區(qū)。在興趣社區(qū)中進(jìn)行可信用戶篩選時(shí),論文參照Google搜索引擎的PageRank頁(yè)面排序算法思想建立可信度評(píng)估模型,將用戶可信度分為兩個(gè)維度：用戶屬性可信因子和關(guān)注信任因子,從用戶自身可信度與用戶關(guān)注信任度兩個(gè)角度綜合評(píng)估用戶的全局可信度,最終通過(guò)比較與目標(biāo)用戶在同一個(gè)興趣社區(qū)中的用戶可信度,選擇具有高興趣相似度、高可信度的用戶生成推薦結(jié)果列表,向目標(biāo)用戶推薦具有較高價(jià)值的潛在好友。 論文針對(duì)新浪微博的開(kāi)放用戶數(shù)據(jù)信息,使用JAVA編程實(shí)現(xiàn)微博中的開(kāi)放API接口獲取微博用戶數(shù)據(jù)集,對(duì)論文提出的基于興趣關(guān)系的網(wǎng)絡(luò)社區(qū)可信用戶推薦模型進(jìn)行驗(yàn)證,通過(guò)構(gòu)造用戶興趣緊密型社區(qū),并從中篩選出可信度較高的用戶形成針對(duì)目標(biāo)用戶的推薦列表,并與傳統(tǒng)的基于社交關(guān)系的推薦方法進(jìn)行對(duì)比,以推薦列表中的用戶平均興趣相似度為算法有效性的衡量指標(biāo)。實(shí)驗(yàn)結(jié)果顯示,論文提出的推薦模型得到的推薦結(jié)果列表相比參照模型得到的推薦結(jié)果列表而言,與待推薦用戶的興趣相似度普遍更高,即論文提出的推薦模型能得到更符合用戶興趣的結(jié)果,具有較好的推薦質(zhì)量。 為了驗(yàn)證本文好友推薦模型的實(shí)用價(jià)值,論文在第五章中隨機(jī)選擇了113位用戶,并使用論文提出的好友推薦模型和傳統(tǒng)的基于社交關(guān)系的好友推薦模型,分別為參與調(diào)查的每個(gè)用戶生成一個(gè)具有5個(gè)潛在好友的推薦列表,并針對(duì)列表中的每一個(gè)潛在好友,對(duì)調(diào)查參與者進(jìn)行問(wèn)卷調(diào)查,對(duì)兩種推薦模型的使用效果進(jìn)行分析對(duì)比。問(wèn)卷調(diào)查結(jié)果顯示,論文提出的好友推薦模型能推薦更多的陌生用戶,并具有較好的用戶認(rèn)可度；以興趣相似度和可信度作為推薦理由,相比社交關(guān)系而言,具有更好的用戶滿意度；同時(shí),用戶更愿意添加根據(jù)興趣和可信度得到的推薦用戶為好友,而針對(duì)社交關(guān)系得到的推薦,用戶更希望能有人對(duì)推薦結(jié)果進(jìn)行介紹。
【學(xué)位授予單位】：江西財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 閻艷;黃智興;邱玉輝;;一種基于派系過(guò)濾的社區(qū)進(jìn)化發(fā)現(xiàn)研究[J];重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

2 王麗麗;;基于信任機(jī)制的電子商務(wù)個(gè)性化推薦技術(shù)研究[J];電子商務(wù);2011年12期

3 胡偉雄;王崇;;電子商務(wù)信任度評(píng)價(jià)方法研究綜述[J];電子世界;2012年16期

4 王亮;郭亞軍;;P2P系統(tǒng)中基于聲譽(yù)的信任評(píng)估機(jī)制[J];計(jì)算機(jī)工程與應(yīng)用;2009年15期

5 蔡浩;賈宇波;黃成偉;;結(jié)合用戶信任模型的協(xié)同過(guò)濾推薦方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年35期

6 王峰;余偉;李石君;;新浪微博平臺(tái)上的用戶可信度評(píng)估[J];計(jì)算機(jī)科學(xué)與探索;2013年12期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 張富國(guó);基于信任的電子商務(wù)個(gè)性化推薦關(guān)鍵問(wèn)題研究[D];江西財(cái)經(jīng)大學(xué);2009年

，

本文編號(hào)：1145146