社交網(wǎng)絡(luò)環(huán)境下基于用戶反饋的推薦算法研究
發(fā)布時(shí)間:2023-04-24 23:17
隨著在線社交網(wǎng)絡(luò)產(chǎn)生的數(shù)據(jù)呈指數(shù)增長(zhǎng),對(duì)社交網(wǎng)絡(luò)數(shù)據(jù)的分析在推薦算法研究中顯得越來(lái)越重要。然而目前大多數(shù)推薦算法存在以下兩個(gè)問(wèn)題:第一,稀疏數(shù)據(jù)嚴(yán)重影響了推薦算法的推薦質(zhì)量;第二,大多數(shù)推薦算法忽略了用戶之間的信任關(guān)系。因此,為了進(jìn)一步緩解數(shù)據(jù)稀疏對(duì)推薦質(zhì)量的影響,本文將社交網(wǎng)絡(luò)數(shù)據(jù)引入推薦算法。本文提出兩種算法:基于用戶反饋信任度的推薦算法、結(jié)合用戶反饋與圈子的推薦算法。(1)為了在一定程度上緩解數(shù)據(jù)稀疏對(duì)推薦準(zhǔn)確度的影響,本文將用戶的信任度引入推薦算法中,提出了一種基于用戶反饋信任度的推薦算法。通過(guò)分析用戶之間的信任關(guān)系、評(píng)分記錄來(lái)衡量用戶的信任度,將其應(yīng)用到推薦算法中。通過(guò)在公開(kāi)的CiaoDVD數(shù)據(jù)集、Epinions數(shù)據(jù)集上進(jìn)行充分實(shí)驗(yàn),驗(yàn)證了本算法的有效性。(2)為了進(jìn)一步提高基于用戶反饋信任度的推薦算法的覆蓋率,本文提出一種結(jié)合用戶反饋與圈子的推薦算法。本文認(rèn)為用戶的“權(quán)威性”僅體現(xiàn)在某一領(lǐng)域。為了通過(guò)找到各個(gè)領(lǐng)域中的專家來(lái)為用戶提供推薦建議從而進(jìn)一步提高推薦算法的覆蓋率。本文提出一種基于用戶興趣與信任關(guān)系的圈子劃分方法。圈子的提出是為了找到各個(gè)圈子中信任度較大的用戶群體,...
【文章頁(yè)數(shù)】:72 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 引言
1.1 研究背景與意義
1.2 推薦系統(tǒng)研究現(xiàn)狀
1.2.1 國(guó)內(nèi)外研究現(xiàn)狀
1.2.2 推薦系統(tǒng)的應(yīng)用
1.3 論文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)
1.4 論文的結(jié)構(gòu)
第二章 相關(guān)研究和理論基礎(chǔ)
2.1 基于用戶行為的推薦算法
2.1.1 基于鄰域的推薦算法
2.1.2 基于模型的協(xié)同過(guò)濾推薦算法
2.1.3 基于圖的推薦算法
2.2 基于社交網(wǎng)絡(luò)數(shù)據(jù)的推薦算法
2.2.1 基于信任的推薦算法
2.2.2 信任的定義
2.2.3 信任的特點(diǎn)
2.2.4 信任模型
2.3 本章小結(jié)
第三章 基于用戶反饋信任度的推薦算法
3.1 引言
3.2 基于用戶反饋的信任度計(jì)算方法
3.3 基于用戶反饋信任度的推薦算法
3.4 實(shí)驗(yàn)結(jié)果及分析
3.4.1 實(shí)驗(yàn)環(huán)境概述
3.4.2 數(shù)據(jù)集概述
3.4.3 數(shù)據(jù)集的處理過(guò)程概述
3.4.4 評(píng)價(jià)指標(biāo)
3.4.5 算法參數(shù)分析
3.4.6 對(duì)比實(shí)驗(yàn)
3.5 本章小結(jié)
第四章 結(jié)合用戶反饋與圈子的推薦算法
4.1 引言
4.2 基于用戶興趣與信任關(guān)系的圈子劃分方法
4.3 結(jié)合用戶反饋與圈子的推薦算法
4.4 實(shí)驗(yàn)結(jié)果及分析
4.4.1 實(shí)驗(yàn)環(huán)境概述
4.4.2 數(shù)據(jù)集概述
4.4.3 數(shù)據(jù)集的處理過(guò)程概述
4.4.4 評(píng)價(jià)指標(biāo)與算法參數(shù)分析
4.4.5 對(duì)比實(shí)驗(yàn)
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 論文工作總結(jié)
5.2 論文工作展望
致謝
參考文獻(xiàn)
附錄 A 攻讀學(xué)位期間取得成果
附錄 B 碩士期間參與項(xiàng)目
本文編號(hào):3800218
【文章頁(yè)數(shù)】:72 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 引言
1.1 研究背景與意義
1.2 推薦系統(tǒng)研究現(xiàn)狀
1.2.1 國(guó)內(nèi)外研究現(xiàn)狀
1.2.2 推薦系統(tǒng)的應(yīng)用
1.3 論文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)
1.4 論文的結(jié)構(gòu)
第二章 相關(guān)研究和理論基礎(chǔ)
2.1 基于用戶行為的推薦算法
2.1.1 基于鄰域的推薦算法
2.1.2 基于模型的協(xié)同過(guò)濾推薦算法
2.1.3 基于圖的推薦算法
2.2 基于社交網(wǎng)絡(luò)數(shù)據(jù)的推薦算法
2.2.1 基于信任的推薦算法
2.2.2 信任的定義
2.2.3 信任的特點(diǎn)
2.2.4 信任模型
2.3 本章小結(jié)
第三章 基于用戶反饋信任度的推薦算法
3.1 引言
3.2 基于用戶反饋的信任度計(jì)算方法
3.3 基于用戶反饋信任度的推薦算法
3.4 實(shí)驗(yàn)結(jié)果及分析
3.4.1 實(shí)驗(yàn)環(huán)境概述
3.4.2 數(shù)據(jù)集概述
3.4.3 數(shù)據(jù)集的處理過(guò)程概述
3.4.4 評(píng)價(jià)指標(biāo)
3.4.5 算法參數(shù)分析
3.4.6 對(duì)比實(shí)驗(yàn)
3.5 本章小結(jié)
第四章 結(jié)合用戶反饋與圈子的推薦算法
4.1 引言
4.2 基于用戶興趣與信任關(guān)系的圈子劃分方法
4.3 結(jié)合用戶反饋與圈子的推薦算法
4.4 實(shí)驗(yàn)結(jié)果及分析
4.4.1 實(shí)驗(yàn)環(huán)境概述
4.4.2 數(shù)據(jù)集概述
4.4.3 數(shù)據(jù)集的處理過(guò)程概述
4.4.4 評(píng)價(jià)指標(biāo)與算法參數(shù)分析
4.4.5 對(duì)比實(shí)驗(yàn)
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 論文工作總結(jié)
5.2 論文工作展望
致謝
參考文獻(xiàn)
附錄 A 攻讀學(xué)位期間取得成果
附錄 B 碩士期間參與項(xiàng)目
本文編號(hào):3800218
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3800218.html
最近更新
教材專著