本文關(guān)鍵詞：社會(huì)網(wǎng)絡(luò)中基于社會(huì)關(guān)系的推薦算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：推薦算法是幫助用戶(hù)對(duì)信息進(jìn)行過(guò)濾和篩選,解決信息供需矛盾的一種重要工具。它的主要任務(wù)是通過(guò)對(duì)用戶(hù)的歷史行為數(shù)據(jù)進(jìn)行分析,在建立用戶(hù)興趣偏好模型的基礎(chǔ)上,為用戶(hù)主動(dòng)推薦滿足他們興趣和需求的信息。目前,推薦算法已經(jīng)在電子商務(wù)、電影和視頻網(wǎng)站、計(jì)算廣告等領(lǐng)域得到了廣泛的應(yīng)用,并帶來(lái)了巨大的商業(yè)價(jià)值。但是傳統(tǒng)的推薦算法并沒(méi)有考慮社會(huì)網(wǎng)絡(luò)中的社會(huì)關(guān)系對(duì)推薦結(jié)果產(chǎn)生的影響,而這些信息正是我們作出判斷的重要依據(jù)。例如在現(xiàn)實(shí)社會(huì)中,我們總是傾向于選擇朋友給我們的推薦,朋友間的社會(huì)影響力增加了用戶(hù)對(duì)推薦結(jié)果的信任度。因此,隨著近年來(lái)Twitter、Facebook等社會(huì)化媒體的興起,很多研究人員轉(zhuǎn)向研究如何在社會(huì)網(wǎng)絡(luò)的環(huán)境下,利用其中的社會(huì)關(guān)系信息來(lái)幫助用戶(hù)進(jìn)行個(gè)性化推薦。本文以國(guó)家自然科學(xué)基金項(xiàng)目為依托,針對(duì)已有工作中存在的問(wèn)題和挑戰(zhàn),對(duì)社會(huì)網(wǎng)絡(luò)中基于社會(huì)關(guān)系的推薦算法進(jìn)行了深入的研究,包括結(jié)合item間關(guān)聯(lián)關(guān)系的推薦算法,考慮信任關(guān)系強(qiáng)度的推薦算法,基于社會(huì)關(guān)系上下文的推薦算法和基于信任關(guān)系的社會(huì)化排序算法等。本文的主要工作和貢獻(xiàn)如下：1.提出了結(jié)合item間關(guān)聯(lián)關(guān)系的推薦算法。Item間的關(guān)聯(lián)關(guān)系是社會(huì)網(wǎng)絡(luò)中影響推薦結(jié)果的一種重要因素,它是幫助我們進(jìn)一步理解用戶(hù),對(duì)用戶(hù)興趣進(jìn)行建模的重要手段。本文將item間的關(guān)聯(lián)關(guān)系信息引入到推薦問(wèn)題中,并將其作為一種約束條件,在矩陣分解模型的基礎(chǔ)上通過(guò)共享用戶(hù)和item特征空間的方式,對(duì)所要求解的用戶(hù)和item特征向量進(jìn)行約束,使得求解結(jié)果既考慮了用戶(hù)本身的興趣和用戶(hù)間的社會(huì)影響,也考慮了item間的關(guān)聯(lián)關(guān)系所起到的重要作用。實(shí)驗(yàn)結(jié)果表明,該方法相對(duì)于沒(méi)有考慮item間關(guān)聯(lián)關(guān)系的模型,能夠在準(zhǔn)確率和評(píng)分預(yù)測(cè)指標(biāo)上取得更好的效果。2.提出了考慮用戶(hù)間不同信任關(guān)系強(qiáng)度的推薦方法。信任關(guān)系是反映用戶(hù)興趣的重要信息,但是已有的方法大都將信任關(guān)系同等對(duì)待,認(rèn)為具有信任關(guān)系的用戶(hù)一定也會(huì)有相近的興趣愛(ài)好。然而,在很多應(yīng)用場(chǎng)景中,用戶(hù)間的信任關(guān)系往往是出于不同的目的而建立的,具有信任關(guān)系的兩個(gè)用戶(hù)之間并不一定會(huì)有相近的興趣愛(ài)好。例如,有的用戶(hù)僅僅是出于社交或者禮貌的目的才同另外一個(gè)用戶(hù)建立信任關(guān)系。本文將信任關(guān)系強(qiáng)度的概念引入到推薦問(wèn)題中,通過(guò)使用用戶(hù)的網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)不同的信任關(guān)系進(jìn)行區(qū)分,并進(jìn)而提出一種信任關(guān)系強(qiáng)度敏感的社會(huì)化推薦算法。本文還以SocialMF為例,通過(guò)用所推導(dǎo)出的信任關(guān)系代替用戶(hù)間的直接信任關(guān)系來(lái)驗(yàn)證信任關(guān)系強(qiáng)度對(duì)推薦效果的影響。實(shí)驗(yàn)結(jié)果表明,用戶(hù)間的信任關(guān)系強(qiáng)度是反映用戶(hù)興趣和鏈接關(guān)系緊密程度的重要信息,能幫助用戶(hù)進(jìn)行準(zhǔn)確的社會(huì)化推薦。3.提出了考慮社會(huì)關(guān)系上下文信息的推薦算法。上下文信息是我們理解用戶(hù)行為,幫助用戶(hù)進(jìn)行選擇的重要依據(jù)。與傳統(tǒng)的上下文信息相比,社會(huì)關(guān)系上下文主要是指在為用戶(hù)進(jìn)行推薦時(shí),他當(dāng)時(shí)所處的社會(huì)關(guān)系狀態(tài)。本文將社會(huì)關(guān)系上下文引入到推薦問(wèn)題中,并以此來(lái)推導(dǎo)用戶(hù)的潛在興趣愛(ài)好。通過(guò)利用上下文信息對(duì)用戶(hù)的特征向量進(jìn)行擴(kuò)展和利用共同鏈接關(guān)系對(duì)目標(biāo)函數(shù)進(jìn)行約束,來(lái)對(duì)推薦結(jié)果進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明,引入社會(huì)關(guān)系上下文信息能夠更加有效地對(duì)用戶(hù)和item進(jìn)行建模,并且能夠取得比其它基準(zhǔn)算法更優(yōu)的推薦結(jié)果。4.提出了基于信任關(guān)系的社會(huì)化排序算法。信任關(guān)系雖然在面向評(píng)分的社會(huì)化推薦任務(wù)中起到了重要作用,但在面向排序的推薦任務(wù)中,考慮信任關(guān)系的推薦算法還不多見(jiàn)。本文以只有隱式反饋的社會(huì)網(wǎng)絡(luò)中的推薦問(wèn)題為例,從排序的角度提出了一種基于信任關(guān)系的社會(huì)化排序算法,研究了信任關(guān)系對(duì)排序結(jié)果產(chǎn)生的影響。具體來(lái)說(shuō),算法將用戶(hù)間的信任關(guān)系作為先驗(yàn)知識(shí)引入到似然函數(shù)中來(lái),然后通過(guò)直接優(yōu)化用戶(hù)對(duì)item的偏好順序來(lái)獲取item的排序序列。本文還研究了多分類(lèi)系統(tǒng)中,用戶(hù)間信任關(guān)系強(qiáng)度的計(jì)算方法以及它們對(duì)推薦結(jié)果的影響。數(shù)據(jù)分析和實(shí)驗(yàn)結(jié)果表明,用戶(hù)間的信任關(guān)系在排序模型中具有很重要的作用,通過(guò)設(shè)計(jì)基于信任關(guān)系的社會(huì)化排序算法,能使我們更好地捕獲用戶(hù)需求和興趣愛(ài)好。
【關(guān)鍵詞】：推薦系統(tǒng) 社會(huì)網(wǎng)絡(luò) 矩陣分解 社會(huì)影響力 排序?qū)W習(xí) 協(xié)同過(guò)濾
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.3
【目錄】：

• 摘要11-13
• ABSTRACT13-16
• 第1章 緒論16-32
• 1.1 研究背景16-18
• 1.2 研究?jī)?nèi)容及意義18-20
• 1.3 研究現(xiàn)狀20-28
• 1.3.1 協(xié)同過(guò)濾算法20-24
• 1.3.2 社會(huì)網(wǎng)絡(luò)中的推薦算法24-28
• 1.4 本文的貢獻(xiàn)及創(chuàng)新點(diǎn)28-29
• 1.5 本文的組織結(jié)構(gòu)29-32
• 第2章 本文涉及的基礎(chǔ)算法和數(shù)據(jù)集32-41
• 2.1 基礎(chǔ)算法介紹32-39
• 2.1.1 矩陣分解技術(shù)32-34
• 2.1.2 SoRec方法34-36
• 2.1.3 SocialMF方法36-37
• 2.1.4 面向排序的BPR算法37-39
• 2.2 數(shù)據(jù)集介紹39-40
• 2.2.1 騰訊微博數(shù)據(jù)集39-40
• 2.2.2 Epinions數(shù)據(jù)集40
• 2.2.3 Ciao數(shù)據(jù)集40
• 2.3 本章小結(jié)40-41
• 第3章 結(jié)合item間關(guān)聯(lián)關(guān)系的推薦算法41-51
• 3.1 推薦方法41-45
• 3.1.1 問(wèn)題描述41-42
• 3.1.2 結(jié)合item間關(guān)聯(lián)關(guān)系的推薦方法42-45
• 3.2 實(shí)驗(yàn)結(jié)果與分析45-50
• 3.2.1 數(shù)據(jù)集45
• 3.2.2 評(píng)價(jià)方法45-46
• 3.2.3 結(jié)果比較46-48
• 3.2.4 參數(shù)的影響48-49
• 3.2.5 關(guān)聯(lián)關(guān)系的計(jì)算方法比較49-50
• 3.3 本章小結(jié)50-51
• 第4章 信任關(guān)系強(qiáng)度敏感的社會(huì)化推薦算法51-61
• 4.1 基于信任關(guān)系的推薦方法51-56
• 4.1.1 問(wèn)題描述52-53
• 4.1.2 信任關(guān)系的建模方法53
• 4.1.3 信任關(guān)系強(qiáng)度敏感的推薦方法53-55
• 4.1.4 InfluenceMF方法55-56
• 4.2 實(shí)驗(yàn)結(jié)果與分析56-59
• 4.2.1 數(shù)據(jù)集和評(píng)價(jià)方法57
• 4.2.2 結(jié)果比較57-58
• 4.2.3 參數(shù)的影響58-59
• 4.2.4 驗(yàn)證信任關(guān)系的準(zhǔn)確性59
• 4.3 本章小結(jié)59-61
• 第5章 基于社會(huì)關(guān)系上下文的推薦算法61-76
• 5.1 問(wèn)題描述61-62
• 5.2 推薦框架62-69
• 5.2.1 基于上下文信息的推薦方法63-65
• 5.2.2 基于共同朋友的約束條件65-67
• 5.2.3 優(yōu)化方法67-68
• 5.2.4 時(shí)間復(fù)雜性分析68-69
• 5.3 實(shí)驗(yàn)結(jié)果分析69-74
• 5.3.1 數(shù)據(jù)集70
• 5.3.2 評(píng)價(jià)標(biāo)準(zhǔn)70-71
• 5.3.3 結(jié)果比較71-73
• 5.3.4 參數(shù)的影響73-74
• 5.4 本章小結(jié)74-76
• 第6章 基于信任關(guān)系的社會(huì)化排序算法76-92
• 6.1 推薦方法76-84
• 6.1.1 問(wèn)題描述77
• 6.1.2 基于信任關(guān)系的排序策略77-80
• 6.1.3 多類(lèi)別系統(tǒng)中的信任關(guān)系推斷80-82
• 6.1.4 最終的排序算法82-84
• 6.2 數(shù)據(jù)分析和實(shí)驗(yàn)結(jié)果84-90
• 6.2.1 數(shù)據(jù)集84-85
• 6.2.2 信任網(wǎng)絡(luò)與用戶(hù)興趣之間的關(guān)系85-86
• 6.2.3 信任關(guān)系的多樣性分析86-87
• 6.2.4 實(shí)驗(yàn)結(jié)果比較87-89
• 6.2.5 參數(shù)的影響89-90
• 6.2.6 冷啟動(dòng)條件下的推薦結(jié)果90
• 6.3 本章小結(jié)90-92
• 第7章 總結(jié)與展望92-95
• 7.1 主要工作總結(jié)92-93
• 7.2 未來(lái)工作展望93-95
• 參考文獻(xiàn)95-107
• 致謝107-108
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄108-110
• 攻讀學(xué)位期間參與科研項(xiàng)目情況110-111
• 攻讀學(xué)位期間獲獎(jiǎng)情況111-112
• 外文論文112-152
• 附件152

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 李聰;梁昌勇;馬麗;;基于領(lǐng)域最近鄰的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2008年09期

2 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)學(xué)報(bào);2010年08期

  本文關(guān)鍵詞：社會(huì)網(wǎng)絡(luò)中基于社會(huì)關(guān)系的推薦算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：337400