本文關(guān)鍵詞：社會網(wǎng)絡(luò)中基于社會關(guān)系的推薦算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：推薦算法是幫助用戶對信息進行過濾和篩選,解決信息供需矛盾的一種重要工具。它的主要任務(wù)是通過對用戶的歷史行為數(shù)據(jù)進行分析,在建立用戶興趣偏好模型的基礎(chǔ)上,為用戶主動推薦滿足他們興趣和需求的信息。目前,推薦算法已經(jīng)在電子商務(wù)、電影和視頻網(wǎng)站、計算廣告等領(lǐng)域得到了廣泛的應(yīng)用,并帶來了巨大的商業(yè)價值。但是傳統(tǒng)的推薦算法并沒有考慮社會網(wǎng)絡(luò)中的社會關(guān)系對推薦結(jié)果產(chǎn)生的影響,而這些信息正是我們作出判斷的重要依據(jù)。例如在現(xiàn)實社會中,我們總是傾向于選擇朋友給我們的推薦,朋友間的社會影響力增加了用戶對推薦結(jié)果的信任度。因此,隨著近年來Twitter、Facebook等社會化媒體的興起,很多研究人員轉(zhuǎn)向研究如何在社會網(wǎng)絡(luò)的環(huán)境下,利用其中的社會關(guān)系信息來幫助用戶進行個性化推薦。本文以國家自然科學基金項目為依托,針對已有工作中存在的問題和挑戰(zhàn),對社會網(wǎng)絡(luò)中基于社會關(guān)系的推薦算法進行了深入的研究,包括結(jié)合item間關(guān)聯(lián)關(guān)系的推薦算法,考慮信任關(guān)系強度的推薦算法,基于社會關(guān)系上下文的推薦算法和基于信任關(guān)系的社會化排序算法等。本文的主要工作和貢獻如下：1.提出了結(jié)合item間關(guān)聯(lián)關(guān)系的推薦算法。Item間的關(guān)聯(lián)關(guān)系是社會網(wǎng)絡(luò)中影響推薦結(jié)果的一種重要因素,它是幫助我們進一步理解用戶,對用戶興趣進行建模的重要手段。本文將item間的關(guān)聯(lián)關(guān)系信息引入到推薦問題中,并將其作為一種約束條件,在矩陣分解模型的基礎(chǔ)上通過共享用戶和item特征空間的方式,對所要求解的用戶和item特征向量進行約束,使得求解結(jié)果既考慮了用戶本身的興趣和用戶間的社會影響,也考慮了item間的關(guān)聯(lián)關(guān)系所起到的重要作用。實驗結(jié)果表明,該方法相對于沒有考慮item間關(guān)聯(lián)關(guān)系的模型,能夠在準確率和評分預測指標上取得更好的效果。2.提出了考慮用戶間不同信任關(guān)系強度的推薦方法。信任關(guān)系是反映用戶興趣的重要信息,但是已有的方法大都將信任關(guān)系同等對待,認為具有信任關(guān)系的用戶一定也會有相近的興趣愛好。然而,在很多應(yīng)用場景中,用戶間的信任關(guān)系往往是出于不同的目的而建立的,具有信任關(guān)系的兩個用戶之間并不一定會有相近的興趣愛好。例如,有的用戶僅僅是出于社交或者禮貌的目的才同另外一個用戶建立信任關(guān)系。本文將信任關(guān)系強度的概念引入到推薦問題中,通過使用用戶的網(wǎng)絡(luò)結(jié)構(gòu)特征對不同的信任關(guān)系進行區(qū)分,并進而提出一種信任關(guān)系強度敏感的社會化推薦算法。本文還以SocialMF為例,通過用所推導出的信任關(guān)系代替用戶間的直接信任關(guān)系來驗證信任關(guān)系強度對推薦效果的影響。實驗結(jié)果表明,用戶間的信任關(guān)系強度是反映用戶興趣和鏈接關(guān)系緊密程度的重要信息,能幫助用戶進行準確的社會化推薦。3.提出了考慮社會關(guān)系上下文信息的推薦算法。上下文信息是我們理解用戶行為,幫助用戶進行選擇的重要依據(jù)。與傳統(tǒng)的上下文信息相比,社會關(guān)系上下文主要是指在為用戶進行推薦時,他當時所處的社會關(guān)系狀態(tài)。本文將社會關(guān)系上下文引入到推薦問題中,并以此來推導用戶的潛在興趣愛好。通過利用上下文信息對用戶的特征向量進行擴展和利用共同鏈接關(guān)系對目標函數(shù)進行約束,來對推薦結(jié)果進行優(yōu)化。實驗結(jié)果表明,引入社會關(guān)系上下文信息能夠更加有效地對用戶和item進行建模,并且能夠取得比其它基準算法更優(yōu)的推薦結(jié)果。4.提出了基于信任關(guān)系的社會化排序算法。信任關(guān)系雖然在面向評分的社會化推薦任務(wù)中起到了重要作用,但在面向排序的推薦任務(wù)中,考慮信任關(guān)系的推薦算法還不多見。本文以只有隱式反饋的社會網(wǎng)絡(luò)中的推薦問題為例,從排序的角度提出了一種基于信任關(guān)系的社會化排序算法,研究了信任關(guān)系對排序結(jié)果產(chǎn)生的影響。具體來說,算法將用戶間的信任關(guān)系作為先驗知識引入到似然函數(shù)中來,然后通過直接優(yōu)化用戶對item的偏好順序來獲取item的排序序列。本文還研究了多分類系統(tǒng)中,用戶間信任關(guān)系強度的計算方法以及它們對推薦結(jié)果的影響。數(shù)據(jù)分析和實驗結(jié)果表明,用戶間的信任關(guān)系在排序模型中具有很重要的作用,通過設(shè)計基于信任關(guān)系的社會化排序算法,能使我們更好地捕獲用戶需求和興趣愛好。
【關(guān)鍵詞】：推薦系統(tǒng) 社會網(wǎng)絡(luò) 矩陣分解 社會影響力 排序?qū)W習 協(xié)同過濾
【學位授予單位】：山東大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要11-13
• ABSTRACT13-16
• 第1章 緒論16-32
• 1.1 研究背景16-18
• 1.2 研究內(nèi)容及意義18-20
• 1.3 研究現(xiàn)狀20-28
• 1.3.1 協(xié)同過濾算法20-24
• 1.3.2 社會網(wǎng)絡(luò)中的推薦算法24-28
• 1.4 本文的貢獻及創(chuàng)新點28-29
• 1.5 本文的組織結(jié)構(gòu)29-32
• 第2章 本文涉及的基礎(chǔ)算法和數(shù)據(jù)集32-41
• 2.1 基礎(chǔ)算法介紹32-39
• 2.1.1 矩陣分解技術(shù)32-34
• 2.1.2 SoRec方法34-36
• 2.1.3 SocialMF方法36-37
• 2.1.4 面向排序的BPR算法37-39
• 2.2 數(shù)據(jù)集介紹39-40
• 2.2.1 騰訊微博數(shù)據(jù)集39-40
• 2.2.2 Epinions數(shù)據(jù)集40
• 2.2.3 Ciao數(shù)據(jù)集40
• 2.3 本章小結(jié)40-41
• 第3章 結(jié)合item間關(guān)聯(lián)關(guān)系的推薦算法41-51
• 3.1 推薦方法41-45
• 3.1.1 問題描述41-42
• 3.1.2 結(jié)合item間關(guān)聯(lián)關(guān)系的推薦方法42-45
• 3.2 實驗結(jié)果與分析45-50
• 3.2.1 數(shù)據(jù)集45
• 3.2.2 評價方法45-46
• 3.2.3 結(jié)果比較46-48
• 3.2.4 參數(shù)的影響48-49
• 3.2.5 關(guān)聯(lián)關(guān)系的計算方法比較49-50
• 3.3 本章小結(jié)50-51
• 第4章 信任關(guān)系強度敏感的社會化推薦算法51-61
• 4.1 基于信任關(guān)系的推薦方法51-56
• 4.1.1 問題描述52-53
• 4.1.2 信任關(guān)系的建模方法53
• 4.1.3 信任關(guān)系強度敏感的推薦方法53-55
• 4.1.4 InfluenceMF方法55-56
• 4.2 實驗結(jié)果與分析56-59
• 4.2.1 數(shù)據(jù)集和評價方法57
• 4.2.2 結(jié)果比較57-58
• 4.2.3 參數(shù)的影響58-59
• 4.2.4 驗證信任關(guān)系的準確性59
• 4.3 本章小結(jié)59-61
• 第5章 基于社會關(guān)系上下文的推薦算法61-76
• 5.1 問題描述61-62
• 5.2 推薦框架62-69
• 5.2.1 基于上下文信息的推薦方法63-65
• 5.2.2 基于共同朋友的約束條件65-67
• 5.2.3 優(yōu)化方法67-68
• 5.2.4 時間復雜性分析68-69
• 5.3 實驗結(jié)果分析69-74
• 5.3.1 數(shù)據(jù)集70
• 5.3.2 評價標準70-71
• 5.3.3 結(jié)果比較71-73
• 5.3.4 參數(shù)的影響73-74
• 5.4 本章小結(jié)74-76
• 第6章 基于信任關(guān)系的社會化排序算法76-92
• 6.1 推薦方法76-84
• 6.1.1 問題描述77
• 6.1.2 基于信任關(guān)系的排序策略77-80
• 6.1.3 多類別系統(tǒng)中的信任關(guān)系推斷80-82
• 6.1.4 最終的排序算法82-84
• 6.2 數(shù)據(jù)分析和實驗結(jié)果84-90
• 6.2.1 數(shù)據(jù)集84-85
• 6.2.2 信任網(wǎng)絡(luò)與用戶興趣之間的關(guān)系85-86
• 6.2.3 信任關(guān)系的多樣性分析86-87
• 6.2.4 實驗結(jié)果比較87-89
• 6.2.5 參數(shù)的影響89-90
• 6.2.6 冷啟動條件下的推薦結(jié)果90
• 6.3 本章小結(jié)90-92
• 第7章 總結(jié)與展望92-95
• 7.1 主要工作總結(jié)92-93
• 7.2 未來工作展望93-95
• 參考文獻95-107
• 致謝107-108
• 攻讀學位期間發(fā)表的學術(shù)論文目錄108-110
• 攻讀學位期間參與科研項目情況110-111
• 攻讀學位期間獲獎情況111-112
• 外文論文112-152
• 附件152

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 李聰;梁昌勇;馬麗;;基于領(lǐng)域最近鄰的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2008年09期

2 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[J];計算機學報;2010年08期

  本文關(guān)鍵詞：社會網(wǎng)絡(luò)中基于社會關(guān)系的推薦算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：337400