大數(shù)據(jù)時代下互聯(lián)網(wǎng)信息量爆炸式增長,用戶難以從大數(shù)據(jù)中檢索到個人所需要的資源,這樣的信息過載問題無法避免。推薦系統(tǒng)能有效解決信息過載問題,推薦算法是推薦系統(tǒng)的核心部分,研究推薦算法對于提高推薦系統(tǒng)性能、擴展推薦系統(tǒng)功能很有意義。概率矩陣分解算法,作為協(xié)同過濾算法之一,其優(yōu)秀特性在業(yè)界有很深遠(yuǎn)的影響,但同樣的,該算法會受到冷啟動問題的影響。為提高算法的推薦準(zhǔn)確性,并解決冷啟動問題,論文考慮用戶社交關(guān)系,從用戶集群協(xié)作的角度出發(fā),使用社區(qū)處理用戶社交信息,將社區(qū)與概率矩陣分解相結(jié)合,提出基于社區(qū)矩陣的概率矩陣分解推薦算法(CPMF算法,A Probability Matrix Factorization Recommendation Algorithm based on Community Matrix)。為使用戶的整體集群程度最好,論文提出基于模塊度的SLPA社區(qū)劃分算法,該算法將用戶社交信息構(gòu)成的社交網(wǎng)絡(luò)劃分,輸出模塊度最大的目標(biāo)社區(qū)。根據(jù)用戶和社區(qū)的從屬關(guān)系,論文定義社區(qū)矩陣,以社區(qū)矩陣的形式描述用戶社交信息。論文CPMF算法融合社區(qū)矩陣和用戶評分信息構(gòu)成的用戶評分矩陣,經(jīng)概率矩陣分解...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1空手道俱樂部人際關(guān)系網(wǎng)絡(luò)圖1-1是一個真實世界的網(wǎng)絡(luò)，根據(jù)美國大學(xué)空手道俱樂部成員間的人際關(guān)系，

華中科技大學(xué)碩士學(xué)位論文點緊密連接，節(jié)點組間稀疏連接，網(wǎng)絡(luò)的這類特性稱之為社區(qū)結(jié)構(gòu)，每一個社區(qū)[21]。社區(qū)內(nèi)的節(jié)點連接緊密，兩社區(qū)間的節(jié)點連接稀疏，社區(qū)拓?fù)涮卣�。例如，在社交關(guān)系網(wǎng)中，社區(qū)可能以人的興趣區(qū)分，同一社趣相似，不同社區(qū)的用戶興趣不同。

圖1-2淘寶網(wǎng)的推薦示例圖

圖1-2淘寶網(wǎng)的推薦示例圖1.2.2推薦系統(tǒng)推薦系統(tǒng)，在世界各大網(wǎng)站如淘寶網(wǎng)、Amazon、Bilibili、Netflix、Youtube等都發(fā)揮著與日俱增的作用，按照推薦系統(tǒng)的推薦，用戶能夠?qū)崿F(xiàn)個人的個性化需求。作為國內(nèi)最大的電商平臺淘寶網(wǎng)的推薦系統(tǒng)，如圖1-2，由....

圖3-1社交網(wǎng)絡(luò)圖的社區(qū)劃分示例圖

圖3-1社交網(wǎng)絡(luò)圖的社區(qū)劃分示例圖劃分好壞的重要標(biāo)準(zhǔn)，模塊度(記作Q)在社區(qū)劃之前，研究人員只能定性地分析社區(qū)，模塊度函具有公正性和科學(xué)性。根據(jù)模塊度的相關(guān)研究，程度越好，Q值越小，社區(qū)的整體松散程度較明為LPA的拓展算法，在社區(qū)劃分上更加高效有效結(jié)果，閾值取值不同可....

本文編號：4013842