【摘要】：隨著信息的爆炸式增長,推薦系統(tǒng)的出現(xiàn)提供了一種有效解決信息過載問題的手段,它能夠幫助用戶從互聯(lián)網(wǎng)產(chǎn)生的海量信息中提取有用的信息內(nèi)容。首先,它通過分析用戶在互聯(lián)網(wǎng)中產(chǎn)生的行為數(shù)據(jù),然后在此基礎上建立用戶興趣模型,為他們提供感興趣或需要的內(nèi)容。近幾年,推薦系統(tǒng)研究廣泛應用于計算廣告,電商和視頻網(wǎng)站等領域,提升了商業(yè)價值。然而傳統(tǒng)的推薦算法忽略了社會網(wǎng)絡中的社會影響力對推薦系統(tǒng)的影響,事實上,在現(xiàn)實生活中人們常常會選擇朋友推薦的產(chǎn)品。于是,社會影響力也是一種提升推薦效果的重要來源,隨著微博,微信等社交媒體的流行,越來越多的人開始研究在社會網(wǎng)絡的基礎上,利用社會關系等信息來提高推薦質(zhì)量。本文在分析推薦系統(tǒng)領域的相關研究基礎上,發(fā)現(xiàn)從用戶之間的社會關系入手,加入用戶的社會影響力能夠有效改善推薦效果。然而,目前一些加入社會關系的推薦算法中,考慮的社會影響力都是單一靜態(tài)的,忽略了社會影響力的多樣性和動態(tài)變化等特征,顯然這與事實是不相符合的。另外,用戶在社會網(wǎng)絡中往往會表現(xiàn)出不同的行為傾向,用戶角色信息與行為特征又是息息相關的,而現(xiàn)有的一些加入社會關系的推薦算法往往忽略用戶的角色多樣性。因此,本文中主要從這兩個方面入手來解決推薦系統(tǒng)中存在的問題。推薦系統(tǒng)需要挖掘用戶的興趣并預測他們的行為,而社會影響力正是探索用戶交互的一種重要手段。通過分析用戶交互網(wǎng)絡,本文學習了多維度的社會影響力在挖掘用戶潛在興趣中的重要作用。然而,用戶興趣是隨著時間變化的,社會影響力也是動態(tài)變化的,因此本文的目的是利用動態(tài)的社會關系為用戶推薦感興趣的商品,本文對用戶由于社會交互而帶來的興趣變化進行建模,提出了一種概率圖模型簡稱為IRDMSI來融入動態(tài)的多維度社會影響力。本文發(fā)現(xiàn)該模型不僅帶來了很好的推薦效果,而且揭示了社會網(wǎng)絡中用戶動態(tài)交互行為的一些常見規(guī)律。此外針對用戶間的社會網(wǎng)絡關系,我們從社會理論的角度分析了社會影響力。然后,不同類型的用戶(不同角色的用戶)可能有不同的從眾行為。現(xiàn)有的一些推薦算法大多都假設用戶角色都是單一而忽略用戶多樣化的角色信息對推薦的重要影響。因此,我們研究了推薦系統(tǒng)中帶有用戶角色的從眾傾向是如何變化的。我們首先通過定義一個通用函數(shù)來形式化從眾影響力,然后提出結(jié)合用戶角色和從眾影響力的一個概率圖模型,即角色從眾推薦系統(tǒng)(RCRS)。該模型允許我們通過利用潛在因子和潛在角色作為特征為用戶推薦商品。我們在幾個數(shù)據(jù)集上評價該模型,實驗結(jié)果顯示我們的模型遠超過一些現(xiàn)有的基準算法。
【圖文】：

圖 3-3 不同數(shù)據(jù)集中不同方法的性能對比社會影響力的作用 我們進一步對不同維度的社會影響力做深入分析，對比他們在評價指標NDCG和Pre@5上表現(xiàn)出的不同效果。圖3-3描述了我們的算法IRDMSI在考慮了不同維度的社會影響力之后的對比效果。IRDMSIbase代表僅僅考慮基本特征而忽略所有社會關系的 IRDMSI 方法。從圖中可以清楚地看出，沒有相應的社會關系因素，對應的推薦效果在某種程度上會下降。因為在本章里的兩個數(shù)據(jù)集中，社會關系信息的密度都很小，所以圖中的對比效果并不是特別明顯。IRDMSIbase+I(or +P or +G)分別表示在IRDMSIbase方法的基礎上，我們分別添加個人身份特征26

第3章 基于動態(tài)多維度社會影響力的推薦算法（或者同行影響力特征或者小組壓力特征）。通過加入社會影響力因素的各個維度，將這些方法與基本的IRDMSIbase方法作對比，我們可以清楚得看到推薦效果有相應的提升。社會影響力演化分析 最后，我們分析了兩個數(shù)據(jù)集中的社會影響力隨著時間變化的情況。我們從數(shù)據(jù)集中隨機地選擇一些用戶，觀測他們隨著時間演化的過程。從圖 3-4 可以看出，在兩個數(shù)據(jù)集中大約有三類典型的用戶。其中第一類用戶（如圖中綠色空心圓圈）起初被用戶的社會網(wǎng)絡高度影響，很容易受到他人的影響而從眾他人的行為，，但是隨著時間變化，這種所受的影響力逐漸變小。第二類用戶（如圖中紅色星號）他們在用戶網(wǎng)絡中所受的社會影響力在某種程度上是相對穩(wěn)定的。最后第三種用戶（如圖中藍色十字點）他們與第一類用戶有著相反的演化趨勢。從這些可以看出，用戶所受的社會影響力是動態(tài)變化的，因此，在推薦系統(tǒng)中有必要考慮社會影響力的動態(tài)性。
【學位授予單位】：西南大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.3

【參考文獻】

相關碩士學位論文 前2條

1 譚鳳;基于概率矩陣分解的個性化推薦系統(tǒng)研究[D];西南大學;2015年

2 袁金鳳;基于信任擴散機制的推薦系統(tǒng)研究[D];西南大學;2014年

本文編號：2591772