【摘要】：隨著科學技術(shù)的持續(xù)發(fā)展,人們已經(jīng)敲開了互聯(lián)網(wǎng)時代的大門。人們在享受網(wǎng)絡帶來“信息便利”的同時,也忍受著“信息過載”所帶來的困擾,甚至為此感到不堪重負。推薦系統(tǒng)的出現(xiàn),使得這一問題有了良好的解決方法,同時也成為了世界上廣大的學者們關(guān)注的對象。在推薦系統(tǒng)的研究工作中,能夠推薦更高的精確性與多樣性的個性化推薦算法更是成為了學者和技術(shù)人員廣泛關(guān)注和研究的熱點。本文基于同一個社團結(jié)構(gòu)中的節(jié)點更具相似性這一思想,對推薦算法的推薦結(jié)果進行了優(yōu)化,提出了一種基于網(wǎng)絡集團化的改進個性化推薦算法。與已有的不同推薦算法在人工網(wǎng)絡與實際網(wǎng)絡上進行比較,其最高可以提高20%的精確度與7%的多樣性,同時揭示了在網(wǎng)絡中進行推薦時,根據(jù)節(jié)點的不同屬性進行分類的重要性。而在推薦系統(tǒng)的研究過程中,不僅算法的準確度與多樣性是我們重點研究的對象,而且算法的穩(wěn)定性也是一項非常重要的指標。針對在線測試的結(jié)果和實驗室的結(jié)果無法完全匹配,經(jīng)常會出現(xiàn)與實驗室結(jié)果不一致現(xiàn)象的問題,我們研究討論了 Top-n相似性推薦算法與Top-n穩(wěn)定性推薦算法的表現(xiàn),實驗表明,Top-n穩(wěn)定性算法可以較好地解決這一問題。然而這種方法的側(cè)重點在于研究算法的穩(wěn)定性而忽視了推薦結(jié)果的準確性與多樣性,面對這一矛盾,我們在Top-n穩(wěn)定性推薦算法中考慮了二分網(wǎng)絡的社團結(jié)構(gòu)特征,提出了一種穩(wěn)定的個性化推薦算法。通過實驗我們發(fā)現(xiàn),在具有社團結(jié)構(gòu)的二分網(wǎng)絡中,考慮集團化因素的Top-n穩(wěn)定性推薦算法在保持其穩(wěn)定性的同時,可以大大提高推薦結(jié)果的準確性與多樣性。
【圖文】：

北京郵電大學理學碩士學位論文系相對而言比較稀疏。我們把具有這種性質(zhì)結(jié)構(gòu)稱為社團概念最早是由Ｇｉｒｖａｎ和Ｎｅｗｍａｎ提出，后來逐漸被人們接受結(jié)構(gòu)的研宄己經(jīng)持續(xù)了十年左右的時間，已成為復雜網(wǎng)絡的研究熱點和方向。復雜網(wǎng)絡的社團結(jié)構(gòu)特性是最普遍和，我們可以將社團結(jié)構(gòu)理解為模塊、類、群、組等含義。社團結(jié)構(gòu)對于分析網(wǎng)絡的結(jié)構(gòu)、功能和預測都具有十分重們展示了一個小型的具有社團結(jié)構(gòu)的網(wǎng)絡示意圖，在這每個社團內(nèi)部節(jié)點之間連邊（深灰色線）的密度較大，而邊（淺灰色線）的密度低得多。逡逑

原始的混合擴散推薦算法與ＩＲＢＣ推薦算法得到的推薦結(jié)果的排序分出現(xiàn)了重合逡逑的現(xiàn)象。逡逑圖３－２展示了邋Ｐｒｅｃｉｓｉｏｎ隨著人的變化而變化的關(guān)系，精確度定義為前ｉＶ條預測逡逑邊中，預測準確的比例。因此精確度值越大代表該推薦算法的推薦效果越好。從逡逑圖中我們也可以看到，當＝邋８時，ＩＲＢＣ算法沒有提升推薦算法的準確度；逡逑當時，ＩＲＢＣ算法在一定的Ａ范圍內(nèi)提高了準確性；當＜‘的＞邋＝１３時，逡逑ＩＲＢＣ算法的表現(xiàn)完全優(yōu)于原始的混合擴散算法；而當＝邋１５時，兩種算法逡逑的表現(xiàn)完全一致。圖３－３向我們展示了Ｎｏｖｅｌｔｙ隨Ａ的變化而變化的關(guān)系。Ｎｏｖｅｌｔｙ逡逑計算了前Ａ／個預測物品的平均度，平均度越小代表算法推薦的結(jié)果越冷門，在一逡逑定程度上越能給用戶驚喜。從圖中我們可以看到與圖３－１、圖３－２—樣的表現(xiàn)模式：逡逑在二分網(wǎng)絡社團化程度居中時，，與原始的混合擴散算法相比，ＩＲＢＣ算法的推薦逡逑結(jié)果具有較好的多樣性，可以給用戶較大的驚喜。逡逑邐邋０．１２４
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：O157.5;TP391.3

【參考文獻】

相關(guān)期刊論文 前1條

1 呂琳媛;;復雜網(wǎng)絡鏈路預測[J];電子科技大學學報;2010年05期

本文編號：2568542