發(fā)布時間：2021-01-06 08:41

　　如今,信息傳播技術(shù)飛速發(fā)展,人們越來越熱衷于通過各類社會媒體瀏覽信息或是維系在線社會關(guān)系。而在這過程中,分眾化傳播所帶來的信息爆炸,使得受眾無法準確捕獲滿足自身需求的服務。日常紛繁復雜的信息內(nèi)容使得人們的關(guān)注點受到極大干擾,搜索引擎已不能滿足大部分使用者的需要。在這樣的環(huán)境下衍生了推薦系統(tǒng)。目前,推薦系統(tǒng)的發(fā)展逐步成熟。然而,由于個性化推送的準確率不高,推薦效果不盡人意,因此推薦仍然是一個需要持續(xù)創(chuàng)新的領(lǐng)域。推薦系統(tǒng)中的核心步驟即為推薦算法,其中,協(xié)同過濾算法操作簡便,易于理解。該算法主要是利用用戶-項目評分矩陣,挖掘近鄰用戶偏好,據(jù)此預測目標用戶最可能喜歡的項目。但同時也存在稀疏矩陣、可擴展性低、推薦精度較低等問題。結(jié)合上述推薦算法的基本思想及其所面臨的挑戰(zhàn),本文在傳統(tǒng)協(xié)同過濾基礎(chǔ)上進行了算法的研究和優(yōu)化。文章將復雜網(wǎng)絡(luò)理論引入到推薦算法中,提出了基于復雜網(wǎng)絡(luò)的協(xié)同過濾算法,從單一推薦到多種技術(shù)相融合,對不同類型的問題做出了相應的改進,研究工作主要如下:（1）針對用戶間共同評分項目較少導致協(xié)同過濾算法受到數(shù)據(jù)稀疏的影響,提出了基于鏈路預測的協(xié)同過濾算法。在充分認識協(xié)同過濾算法存在的問... 

【文章來源】：北京工業(yè)大學北京市 211工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

用戶-項目二部圖

絡(luò)中所有的頂點進行塊劃分，得到各種可能的劃分情況。概念模型的鏈路預測概率模型算法的主要思想是：首先建立一個帶參數(shù)的模型，然到最能表示網(wǎng)絡(luò)的參數(shù)，那么兩條邊之間產(chǎn)生鏈接的可能性就條邊產(chǎn)生鏈接的條件概率�；诟拍钅Ｐ偷逆溌奉A測方法又分RMs[41]和有向無環(huán)概率實體關(guān)系模型 DAPER。它們的區(qū)別在方式不同，前者基于關(guān)系模型，后者基于實體關(guān)系模型[42]。網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)發(fā)現(xiàn)是數(shù)據(jù)挖掘中極為重要的手段，在社交網(wǎng)絡(luò)分析、統(tǒng)計學數(shù)據(jù)庫等領(lǐng)域有著廣泛的應用。復雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法已成基礎(chǔ)理論的重要組成部分[43]。

北京工業(yè)大學工學碩士學位論文用基于加權(quán) SimRank 的鏈路預測進行推薦充分整合評分矩陣中的有效信息，并據(jù)此imRank 的鏈路預測的研究現(xiàn)狀圖的拓撲結(jié)構(gòu)信息，選擇某種算法來計算兩構(gòu)與上下文的相似度計算方法，是發(fā)現(xiàn)兩個對象是相似的。SimRank 算法計算相似度的過各節(jié)點的鄰邊集來計算節(jié)點間的相似度。意節(jié)點 A,B，可以利用 SimRank 算法相似度相似性均值作為度量兩者相似度的標準。節(jié)點集合， 表示節(jié)點間的連接邊的集合。


本文編號：2960271