隨著移動互聯(lián)網(wǎng)的快速發(fā)展,社交網(wǎng)絡(luò)與互聯(lián)網(wǎng)上的各個行業(yè)相互滲透,社交裂變效應(yīng)明顯。對社交網(wǎng)絡(luò)中的用戶及用戶之間的關(guān)系進(jìn)行挖掘,以提供更好的推薦服務(wù),已成為當(dāng)今的研究熱點(diǎn)�；谏缃痪W(wǎng)絡(luò)的推薦算法利用用戶的社交關(guān)系來緩解評分?jǐn)?shù)據(jù)稀疏問題。但是基于直接社交關(guān)系的矩陣分解推薦算法存在直接社交關(guān)系稀疏問題,影響推薦結(jié)果的準(zhǔn)確度。針對上述問題,本論文重點(diǎn)研究間接社交關(guān)系對推薦算法的影響,利用社區(qū)結(jié)構(gòu)和社交影響力來實(shí)現(xiàn)更好的推薦效果:一是直接使用社交網(wǎng)絡(luò)結(jié)構(gòu)信息來計算存在間接社交關(guān)系的用戶之間的影響力;二是研究社交網(wǎng)絡(luò)中用戶畫像構(gòu)建以更好地挖掘用戶的特征信息,然后利用用戶畫像來計算用戶之間的影響力,以提升推薦結(jié)果的準(zhǔn)確度。本文的主要工作和成果如下:（1）基于社交網(wǎng)絡(luò)的影響力計算及推薦為了緩解直接好友關(guān)系稀疏問題,考慮到同一個社區(qū)內(nèi)的用戶在一些方面會存在相似性,彼此之間會產(chǎn)生影響,本文利用社區(qū)內(nèi)用戶間社交關(guān)系進(jìn)行推薦。研究社區(qū)內(nèi)用戶之間的相互影響,提出了一種融合社區(qū)結(jié)構(gòu)和社交影響力的矩陣分解推薦算法SoInf。算法同時使用用戶評分信息和社交網(wǎng)絡(luò)結(jié)構(gòu)信息,來計算用戶間社交影響力并構(gòu)建推薦模型。在使用社交... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

LDA模型的組成

的-3 LDA 模型的生成過程[41]eneration process of LDA model[ 2-3 所示，描述如下：,K}β 中采樣得到主題相應(yīng)的詞分):α 中采樣得到用戶iu 的主題分的單詞,, 1, 2 ,u n iw n = N多項式dθ 分布中采樣得到單( )dlti θ ， { },1, 2, ,u nz ∈ k = K項式分布u ,nz 中采樣得到詞語

基于社交網(wǎng)絡(luò)的用戶畫像構(gòu)建及推薦研究（2） 基于簡單神經(jīng)網(wǎng)絡(luò)的用戶畫像構(gòu)建算法Perozzi 等人[9]提出了一種基于簡單神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)表示學(xué)習(xí)算法 DeepWalk。DeepWalk 算法的思想是把網(wǎng)絡(luò)中的用戶節(jié)點(diǎn)當(dāng)成單詞，將通過隨機(jī)游走產(chǎn)生的用戶節(jié)點(diǎn)序列當(dāng)成句子，然后利用自然語言處理中的 Word2vec 算法[47,48]得到用戶畫像。在網(wǎng)絡(luò)中使用隨機(jī)游走得到用戶節(jié)點(diǎn)序列，將節(jié)點(diǎn)序列當(dāng)成句子。利用Skip-gram 模型對用戶節(jié)點(diǎn)序列進(jìn)行學(xué)習(xí)，從而得到用戶節(jié)點(diǎn)的低維向量表示。如圖 2-4 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于信任機(jī)制下概率矩陣分解的用戶評分預(yù)測[J]. 杜東舫,徐童,魯亞男,管楚,劉淇,陳恩紅.  軟件學(xué)報. 2018(12)
[2]一種聯(lián)合LTR和社交網(wǎng)絡(luò)的Top-k推薦方法[J]. 熊麗榮,王玲燕,黃玉柱.  小型微型計算機(jī)系統(tǒng). 2018(12)
[3]融合用戶社會地位和矩陣分解的推薦算法[J]. 余永紅,高陽,王皓,孫栓柱.  計算機(jī)研究與發(fā)展. 2018(01)
[4]融合社交信息的矩陣分解推薦方法研究綜述[J]. 劉華鋒,景麗萍,于劍.  軟件學(xué)報. 2018(02)
[5]社會影響力分析綜述[J]. 張靜,唐杰.  中國科學(xué):信息科學(xué). 2017(08)
[6]網(wǎng)絡(luò)表示學(xué)習(xí)綜述[J]. 涂存超,楊成,劉知遠(yuǎn),孫茂松.  中國科學(xué):信息科學(xué). 2017(08)
[7]社交網(wǎng)絡(luò)環(huán)境下基于信任的推薦算法[J]. 陳婷,朱青,周夢溪,王珊.  軟件學(xué)報. 2017(03)
[8]一種基于信任關(guān)系隱含相似度的社會化推薦算法[J]. 潘一騰,何發(fā)智,于海平.  計算機(jī)學(xué)報. 2018(01)
[9]融合社區(qū)結(jié)構(gòu)和興趣聚類的協(xié)同過濾推薦算法[J]. 郭弘毅,劉功申,蘇波,孟魁.  計算機(jī)研究與發(fā)展. 2016(08)
[10]一種基于社交網(wǎng)絡(luò)社區(qū)的組推薦框架[J]. 劉宇,吳斌,曾雪琳,張云雷,王柏.  電子與信息學(xué)報. 2016(09)



本文編號：3319056