本文關(guān)鍵詞：面向社交網(wǎng)絡(luò)的協(xié)作過濾算法研究及應(yīng)用

  更多相關(guān)文章： 協(xié)作過濾 社交網(wǎng)絡(luò) 個(gè)性化推薦 推薦系統(tǒng)

【摘要】：伴隨互聯(lián)網(wǎng)和信息技術(shù)的快速普及和廣泛應(yīng)用,各類社交網(wǎng)絡(luò)不斷涌現(xiàn)并已成為互聯(lián)網(wǎng)上的重要應(yīng)用,人們也越來越仰仗于利用社交網(wǎng)絡(luò)尋找自己感興趣的信息。然而,社交網(wǎng)絡(luò)用戶數(shù)量在不斷攀升,用戶間頻繁交互會(huì)產(chǎn)生海量的互動(dòng)信息,這些都導(dǎo)致了社交網(wǎng)絡(luò)中的信息過載,而個(gè)性化推薦則是解決信息過載問題最有效的方法。因此,社交網(wǎng)絡(luò)中的個(gè)性化推薦已成為一個(gè)研究熱點(diǎn),逐漸受到了學(xué)者們的關(guān)注。協(xié)作過濾算法是應(yīng)用最為廣泛的個(gè)性化推薦算法,本文首先針對協(xié)作過濾算法應(yīng)用于社交網(wǎng)絡(luò)中存在推薦精度不高的問題,提出基于用戶信任度和社會(huì)相似度的協(xié)作過濾算法。然后對上述算法做進(jìn)一步優(yōu)化提出基于社交網(wǎng)絡(luò)用戶相似度聚類的協(xié)作過濾算法。最后利用所提出的推薦算法開發(fā)了一個(gè)面向社交網(wǎng)絡(luò)的推薦系統(tǒng)。本文主要研究內(nèi)容如下:(1)針對協(xié)作過濾算法應(yīng)用于社交網(wǎng)絡(luò)中存在推薦精度不高的問題,提出一個(gè)基于用戶信任度和社會(huì)相似度的協(xié)作過濾算法。該算法首先通過社交網(wǎng)絡(luò)計(jì)算用戶信任度和社會(huì)相似度,并依據(jù)用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)計(jì)算用戶相似度。然后將用戶相似度、用戶信任度和社會(huì)相似度進(jìn)行融合并據(jù)此形成最近鄰集。最后利用優(yōu)化的評(píng)分預(yù)測公式依據(jù)最近鄰集中的用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)生成給目標(biāo)用戶的推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明該算法較其他算法在解決社交網(wǎng)絡(luò)的推薦問題時(shí)有更高的推薦精度,但其執(zhí)行效率會(huì)隨著社交網(wǎng)絡(luò)規(guī)模的增大而降低。(2)針對基于用戶信任度和社會(huì)相似度的協(xié)作過濾算法的執(zhí)行效率隨社交網(wǎng)絡(luò)規(guī)模增大而有所下降的問題,提出一個(gè)基于社交網(wǎng)絡(luò)用戶相似度聚類的協(xié)作過濾算法。該算法首先根據(jù)用戶在社交網(wǎng)絡(luò)中的屬性信息及互動(dòng)行為計(jì)算社交網(wǎng)絡(luò)用戶相似度。然后根據(jù)社交網(wǎng)絡(luò)用戶相似度利用改進(jìn)的k-means算法對用戶進(jìn)行聚類從而形成多個(gè)不同的用戶簇。最后在每個(gè)用戶簇上利用基于用戶信任度和社會(huì)相似度的協(xié)作過濾算法產(chǎn)生推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明該算法在處理大規(guī)模社交網(wǎng)絡(luò)數(shù)據(jù)集時(shí)不僅顯著降低了運(yùn)行時(shí)間也提高了推薦精度,很好的解決了基于用戶信任度和社會(huì)相似度的協(xié)作過濾算法存在的問題。(3)設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)面向社交網(wǎng)絡(luò)的推薦系統(tǒng),并將上述兩種推薦算法應(yīng)用到該系統(tǒng)的推薦模塊。
【關(guān)鍵詞】：協(xié)作過濾 社交網(wǎng)絡(luò) 個(gè)性化推薦 推薦系統(tǒng)
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3
【目錄】：

• 摘要4-6
• Abstract6-11
• 第一章 緒論11-17
• 1.1 研究背景與意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.3 論文研究內(nèi)容14-16
• 1.4 論文組織結(jié)構(gòu)和內(nèi)容安排16-17
• 第二章 相關(guān)理論知識(shí)17-26
• 2.1 社交網(wǎng)絡(luò)的相關(guān)概念17-19
• 2.1.1 社交網(wǎng)絡(luò)概述17
• 2.1.2 社交網(wǎng)絡(luò)的定義與表示17-18
• 2.1.3 基礎(chǔ)社交網(wǎng)絡(luò)理論18-19
• 2.2 協(xié)作過濾算法的相關(guān)概念19-24
• 2.2.1 協(xié)作過濾算法基本思想和步驟19
• 2.2.2 用戶-項(xiàng)目評(píng)分矩陣的表示19-20
• 2.2.3 用戶相似性度量方法20-21
• 2.2.4 鄰居集合的形成21
• 2.2.5 推薦結(jié)果的產(chǎn)生21-22
• 2.2.6 協(xié)作過濾算法分類22-24
• 2.3 聚類算法的相關(guān)概念24-25
• 2.3.1 聚類分析概述24
• 2.3.2 聚類算法分類24-25
• 2.4 本章小結(jié)25-26
• 第三章 基于用戶信任度和社會(huì)相似度的協(xié)作過濾算法26-39
• 3.1 引言26-27
• 3.2 用戶信任度計(jì)算27-29
• 3.2.1 用戶網(wǎng)絡(luò)的定義27-28
• 3.2.2 直接信任度計(jì)算28
• 3.2.3 間接信任度計(jì)算28
• 3.2.4 用戶信任度計(jì)算28-29
• 3.3 社會(huì)相似度計(jì)算29
• 3.4 UTSSCF算法29-32
• 3.4.1 用戶相似度計(jì)算30
• 3.4.2 用戶相似度、用戶信任度和社會(huì)相似度的融合30
• 3.4.3 評(píng)分預(yù)測公式30-31
• 3.4.4 改進(jìn)的評(píng)分預(yù)測公式31
• 3.4.5 算法描述31-32
• 3.5 實(shí)驗(yàn)設(shè)計(jì)與分析32-38
• 3.5.1 實(shí)驗(yàn)數(shù)據(jù)來源32-33
• 3.5.2 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)33-34
• 3.5.3 實(shí)驗(yàn)結(jié)果與分析34-38
• 3.6 本章小結(jié)38-39
• 第四章 基于社交網(wǎng)絡(luò)用戶相似度聚類的協(xié)作過濾算法39-54
• 4.1 引言39-40
• 4.2 社交網(wǎng)絡(luò)用戶相似度40-42
• 4.2.1 用戶屬性相似度計(jì)算40
• 4.2.2 用戶互動(dòng)相似度計(jì)算40-42
• 4.2.3 社交網(wǎng)絡(luò)用戶相似度計(jì)算42
• 4.3 SNUSC算法42-44
• 4.3.1 Prime算法的基本思想43
• 4.3.2 SNUSC算法描述43-44
• 4.4 SNUSCCF算法44-45
• 4.5 實(shí)驗(yàn)設(shè)計(jì)與分析45-53
• 4.5.1 實(shí)驗(yàn)數(shù)據(jù)來源45
• 4.5.2 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)45-46
• 4.5.3 實(shí)驗(yàn)結(jié)果與分析46-53
• 4.6 本章小結(jié)53-54
• 第五章 面向社交網(wǎng)絡(luò)的推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)54-72
• 5.1 推薦系統(tǒng)需求分析54-59
• 5.1.1 推薦系統(tǒng)功能需求分析54-55
• 5.1.2 推薦系統(tǒng)用例模型分析55-56
• 5.1.3 推薦系統(tǒng)工作流程56-59
• 5.2 推薦系統(tǒng)功能模塊的設(shè)計(jì)59-61
• 5.2.1 每日書摘推薦模塊設(shè)計(jì)59-60
• 5.2.2 圖書推薦模塊設(shè)計(jì)60-61
• 5.2.3 朋友推薦模塊設(shè)計(jì)61
• 5.3 推薦系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)61-65
• 5.3.1 數(shù)據(jù)庫概念設(shè)計(jì)系統(tǒng)實(shí)體E-R圖61-62
• 5.3.2 數(shù)據(jù)庫表設(shè)計(jì)62-65
• 5.4 推薦系統(tǒng)的實(shí)現(xiàn)65-71
• 5.4.1 每日書摘推薦的實(shí)現(xiàn)65-67
• 5.4.2 圖書推薦的實(shí)現(xiàn)67-70
• 5.4.3 朋友推薦的實(shí)現(xiàn)70-71
• 5.5 本章小結(jié)71-72
• 第六章 總結(jié)與展望72-74
• 6.1 本文工作總結(jié)72-73
• 6.2 未來工作展望73-74
• 致謝74-75
• 參考文獻(xiàn)75-80
• 在學(xué)習(xí)期間的研究成果及發(fā)表的學(xué)術(shù)論文80

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;基于位置的手機(jī)社交網(wǎng)絡(luò)“貝多”正式發(fā)布[J];中國新通信;2008年06期

2 曹增輝;;社交網(wǎng)絡(luò)更偏向于用戶工具[J];信息網(wǎng)絡(luò);2009年11期

3 ;美國:印刷企業(yè)青睞社交網(wǎng)絡(luò)營銷新方式[J];中國包裝工業(yè);2010年Z1期

4 李智惠;柳承燁;;韓國移動(dòng)社交網(wǎng)絡(luò)服務(wù)的類型分析與促進(jìn)方案[J];現(xiàn)代傳播(中國傳媒大學(xué)學(xué)報(bào));2010年08期

5 賈富;;改變一切的社交網(wǎng)絡(luò)[J];互聯(lián)網(wǎng)天地;2011年04期

6 譚拯;;社交網(wǎng)絡(luò):連接與發(fā)現(xiàn)[J];廣東通信技術(shù);2011年07期

7 陳一舟;;社交網(wǎng)絡(luò)的發(fā)展趨勢[J];傳媒;2011年12期

8 殷樂;;全球社交網(wǎng)絡(luò)新態(tài)勢及文化影響[J];新聞與寫作;2012年01期

9 許麗;;社交網(wǎng)絡(luò):孤獨(dú)年代的集體狂歡[J];上海信息化;2012年09期

10 李玲麗;吳新年;;科研社交網(wǎng)絡(luò)的發(fā)展現(xiàn)狀及趨勢分析[J];圖書館學(xué)研究;2013年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 趙云龍;李艷兵;;社交網(wǎng)絡(luò)用戶的人格預(yù)測與關(guān)系強(qiáng)度研究[A];第七屆（2012）中國管理學(xué)年會(huì)商務(wù)智能分會(huì)場論文集（選編）[C];2012年

2 宮廣宇;李開軍;;對社交網(wǎng)絡(luò)中信息傳播的分析和思考——以人人網(wǎng)為例[A];首屆華中地區(qū)新聞與傳播學(xué)科研究生學(xué)術(shù)論壇獲獎(jiǎng)?wù)撐腫C];2010年

3 楊子鵬;喬麗娟;王夢思;楊雪迎;孟子冰;張禹;;社交網(wǎng)絡(luò)與大學(xué)生焦慮緩解[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

4 畢雪梅;;體育虛擬社區(qū)中的體育社交網(wǎng)絡(luò)解析[A];第九屆全國體育科學(xué)大會(huì)論文摘要匯編(4)[C];2011年

5 杜p，

本文編號(hào)：879946