發(fā)布時(shí)間：2018-04-22 05:14

  本文選題：節(jié)點(diǎn)用戶 + 概率矩陣分解　； 參考：《天津大學(xué)》2016年碩士論文

【摘要】：基于矩陣分解的推薦算法在推薦系統(tǒng)領(lǐng)域已得到長足發(fā)展,同時(shí)隨著社交網(wǎng)絡(luò)等的興起,用戶社交關(guān)系在推薦算法中也越來越扮演著舉足輕重的地位。社交網(wǎng)絡(luò)較傳統(tǒng)社交的最大區(qū)別在于社交網(wǎng)絡(luò)中信息流動(dòng)會(huì)顯著的受一些影響力很大的用戶影響,這些用戶被稱為“節(jié)點(diǎn)用戶”。單純的矩陣分解模型及將社交網(wǎng)絡(luò)引入矩陣分解的模型在近些年被大量提出,但對(duì)于社交網(wǎng)絡(luò)中的節(jié)點(diǎn)用戶以及節(jié)點(diǎn)用戶影響力對(duì)模型和推薦效果的影響鮮有研究。論文主要研究內(nèi)容包括:1)分析社交網(wǎng)絡(luò)中用戶影響力指標(biāo),定義節(jié)點(diǎn)用戶,并利用斯皮爾曼等級(jí)系數(shù)分析各指標(biāo)之間關(guān)系;2)將節(jié)點(diǎn)用戶影響力引入矩陣分解模型,提出基于節(jié)點(diǎn)用戶的概率矩陣分解模型;3)提出二度拓展和基于影響力的限制性拓展兩種社交關(guān)系拓展方法,通過緩解模型中社交關(guān)系數(shù)據(jù)的稀疏性,來提高預(yù)測(cè)準(zhǔn)確度。論文首先研究社交網(wǎng)絡(luò)中的用戶影響力指標(biāo)并對(duì)節(jié)點(diǎn)用戶進(jìn)行定義,提出基于節(jié)點(diǎn)用戶的概率矩陣分解模型,并針對(duì)該模型采用豆瓣電影和Yelp數(shù)據(jù)集進(jìn)行驗(yàn)證。實(shí)驗(yàn)證明了該模型的有效性,并且在社交關(guān)系數(shù)據(jù)質(zhì)量較高時(shí)較其他模型優(yōu)勢(shì)明顯,同時(shí)結(jié)果也展示出在不同特點(diǎn)的環(huán)境和數(shù)據(jù)下應(yīng)選用不同影響力指標(biāo);其次本文提出了兩種緩解社交關(guān)系稀疏性的方法,同樣通過上述數(shù)據(jù)集進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果顯示了兩種方法分別在不同情況下的有效性,且可以進(jìn)一步提高推薦算法的預(yù)測(cè)準(zhǔn)確性。
[Abstract]:The recommendation algorithm based on matrix decomposition has made great progress in the field of recommendation system. With the rise of social network, user social relationship plays a more and more important role in recommendation algorithm. The biggest difference between social networks and traditional social networks is that the flow of information in social networks is significantly influenced by a number of influential users, known as "node users". The simple matrix decomposition model and the model of introducing social network into matrix decomposition have been put forward in recent years, but few researches have been done on the influence of node users and their influence on the model and recommendation effect. The main contents of this paper include: (1) analyzing the index of user influence in social network, defining node user, and using Spelman coefficient to analyze the relationship between the indexes. (2) introducing the influence of node user into matrix decomposition model. A probabilistic matrix decomposition model based on nodal users is proposed. Two methods of extending social relations based on quadratic extension and restrictive extension based on influence are proposed. The prediction accuracy is improved by reducing the sparsity of social relationship data in the model. In this paper, the user influence index in social network is studied and the node user is defined. A probability matrix decomposition model based on node user is proposed, and the model is verified by using Douban film and Yelp data set. The experimental results show that the model is effective and has obvious advantages over other models when the quality of social relationship data is high. At the same time, the results also show that different influence indicators should be selected under different environment and data. Secondly, we propose two methods to reduce the sparsity of social relationships, which are also verified by the above data sets. The experimental results show that the two methods are effective in different cases and can further improve the prediction accuracy of the recommendation algorithm.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李宇光,朱志德;矩陣分解法分析及其應(yīng)用研究[J];哈爾濱船舶工程學(xué)院學(xué)報(bào);1989年04期

2 史加榮;鄭秀云;周水生;;矩陣補(bǔ)全算法研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2014年04期

3 李聰;駱志剛;;用于魯棒協(xié)同推薦的元信息增強(qiáng)變分貝葉斯矩陣分解模型[J];自動(dòng)化學(xué)報(bào);2011年09期

4 袁運(yùn)祥;基于矩陣分解的子結(jié)構(gòu)法求解介紹[J];計(jì)算機(jī)應(yīng)用通訊;1981年00期

5 張海建;;分布式矩陣分解算法在推薦系統(tǒng)中的研究與應(yīng)用[J];科技通報(bào);2013年12期

6 何朕,趙文斌,于達(dá)仁;攝動(dòng)矩陣的分解[J];電機(jī)與控制學(xué)報(bào);2004年03期

7 李華云;;F范數(shù)及矩陣分解實(shí)例研究[J];現(xiàn)代情報(bào);2008年10期

8 鄒理和;;系數(shù)矩陣分解二維譜估值[J];信號(hào)處理;1985年03期

9 陳伯倫;陳];鄒盛榮;徐秀蓮;;基于矩陣分解的二分網(wǎng)絡(luò)社區(qū)挖掘算法[J];計(jì)算機(jī)科學(xué);2014年02期

10 王鋒;趙志文;牟盛;;整數(shù)提升小波多相矩陣分解系數(shù)的快速提取算法[J];中國圖象圖形學(xué)報(bào);2012年03期

相關(guān)會(huì)議論文 前10條

1 王春江;錢若軍;王人鵬;楊聯(lián)萍;;矩陣分解在張力集成體系模態(tài)分析中的應(yīng)用[A];第九屆全國結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅰ卷[C];2000年

2 王春江;王人鵬;錢若軍;王穎;;矩陣分解技術(shù)在體系性態(tài)綜合分析中的初步應(yīng)用[A];“力學(xué)2000”學(xué)術(shù)大會(huì)論文集[C];2000年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

5 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

6 周玉妮;鄭會(huì)頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動(dòng)商務(wù)個(gè)性化推薦系統(tǒng)[A];社會(huì)經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2012年

7 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

8 梁莘q，

本文編號(hào)：1785749