【摘要】：近年來(lái)，互聯(lián)網(wǎng)不斷發(fā)展與普及，尤其是手持設(shè)備的智能化與移動(dòng)互聯(lián)網(wǎng)的普及化，使得用戶數(shù)量增加，在線時(shí)間加長(zhǎng)。在這樣一個(gè)互聯(lián)網(wǎng)浪潮中，參與的用戶在不斷地將線下社交人脈往線上遷移，由此形成了社交網(wǎng)絡(luò)。在社交網(wǎng)絡(luò)中，志趣相投的用戶聚集到了一起，并且由于用戶可以選擇關(guān)注自己感興趣的內(nèi)容，使得社交網(wǎng)絡(luò)擁有高訪問量和高聚集度的特點(diǎn)。從阿里巴巴與新浪微博的合作推廣，到Facebook個(gè)性化廣告系統(tǒng)的繁榮發(fā)展，都是社交網(wǎng)絡(luò)的商業(yè)化進(jìn)程的體現(xiàn)。而其中對(duì)用戶興趣愛好進(jìn)行挖掘分析，并向用戶推薦其最可能感興趣和接受的商品或廣告的核心，便是基于社交網(wǎng)絡(luò)的推薦系統(tǒng)。 本文首先介紹了國(guó)內(nèi)外在社交網(wǎng)絡(luò)和推薦系統(tǒng)兩個(gè)領(lǐng)域的研究現(xiàn)狀，總結(jié)了當(dāng)前對(duì)基于社交網(wǎng)絡(luò)的推薦系統(tǒng)的已有理論成果。然后，本文針對(duì)社交網(wǎng)絡(luò)進(jìn)行建模分析，并詳細(xì)闡述了用戶關(guān)系網(wǎng)、用戶和物品特征、用戶好感度的概念與數(shù)學(xué)公式化計(jì)算方法，，以用于處理社交網(wǎng)絡(luò)關(guān)系圖。接著，在此基礎(chǔ)上提出社交網(wǎng)絡(luò)查詢方法，并結(jié)合隨機(jī)森林分類器框架，形成了基于社交網(wǎng)絡(luò)影響力模型的推薦算法。 本文在提出了推薦算法的基礎(chǔ)上，對(duì)其進(jìn)行系統(tǒng)設(shè)計(jì)與分析，開發(fā)了一套基于B/S模型，并擁有可移植性的，模塊化的推薦系統(tǒng)。文中首先對(duì)系統(tǒng)的整體結(jié)構(gòu)設(shè)計(jì)進(jìn)行總述，以及針對(duì)其中的主要功能模塊進(jìn)行詳細(xì)解析。然后，說(shuō)明開發(fā)環(huán)境與相關(guān)技術(shù)，并對(duì)系統(tǒng)的具體實(shí)現(xiàn)進(jìn)行展示。 最后，本文采用數(shù)據(jù)集針對(duì)提出的推薦算法進(jìn)行參數(shù)實(shí)驗(yàn)、冷啟動(dòng)實(shí)驗(yàn)和算法耗時(shí)實(shí)驗(yàn)。通過(guò)實(shí)驗(yàn)結(jié)果分析，本文實(shí)現(xiàn)的基于社交網(wǎng)絡(luò)影響力的推薦算法能較好地解決冷啟動(dòng)問題，并能夠通過(guò)緩存策略而在算法效率方面有較好的表現(xiàn)。
[Abstract]:In recent years, the continuous development and popularization of the Internet, especially the intellectualization of handheld devices and the popularization of mobile Internet, make the number of users increase and the time of online increase. In such an Internet wave, participating users constantly migrate offline social networks to form social networks. In social networks, like-minded users gather together, and because users can choose to focus on the content they are interested in, the social network has the characteristics of high traffic and high concentration. From the cooperation between Alibaba and Sina Weibo, to the prosperity of Facebook personalized advertising system, it is the embodiment of the commercialization process of social network. The social network-based recommendation system is the core of the analysis of the user's interests and hobbies and the recommendation of the products or advertisements that they are most likely to be interested in and accept. This paper first introduces the current research situation of social network and recommendation system at home and abroad, and summarizes the existing theoretical achievements of the recommendation system based on social network. Then, this paper analyzes the modeling of social network, and describes the concept of user relationship network, user and object characteristics, user sensitivity and mathematical formulaic calculation method to deal with social network relationship diagram in detail. Then, a social network query method is proposed, and a recommendation algorithm based on the influence model of social network is formed by combining with the framework of stochastic forest classifier. On the basis of proposing the recommendation algorithm, this paper designs and analyzes the system, develops a set of recommendation system based on the B / S model, and has the portability and modularization of the recommendation system. Firstly, the whole structure of the system is described, and the main function modules are analyzed in detail. Then, the development environment and related technologies are explained, and the implementation of the system is demonstrated. Finally, the data set is used to carry on the parameter experiment, the cold start experiment and the algorithm time-consuming experiment. The experimental results show that the proposed recommendation algorithm based on the influence of social networks can solve the cold start problem and has a good performance in the efficiency of the algorithm by caching strategy.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP393.09;TP391.3

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡坤琪;;基于相關(guān)鑒別分析和隨機(jī)森林的人臉識(shí)別方法[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2012年01期

2 潘希姣;;多子群粒子群集成神經(jīng)網(wǎng)絡(luò)[J];安徽建筑工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年02期

3 李亭;楊敬鋒;彭曉琴;陳志民;;基于最大似然法集成的黃曲條跳甲預(yù)警模型[J];安徽農(nóng)業(yè)科學(xué);2008年25期

4 時(shí)雷;虎曉紅;席磊;段其國(guó);;集成學(xué)習(xí)技術(shù)在農(nóng)業(yè)中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2008年26期

5 李文斌;劉椿年;鐘寧;;基于兩階段集成學(xué)習(xí)的分類器集成[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年03期

6 蔣宗禮;徐學(xué)可;;一種基于集成學(xué)習(xí)與類指示器的文本分類方法[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年04期

7 李飛;高小榕;高上凱;;基于隨機(jī)森林算法的高維腦電特征優(yōu)選[J];北京生物醫(yī)學(xué)工程;2007年04期

8 陳建新;西廣成;王偉;趙慧輝;陳靜;;數(shù)據(jù)挖掘分類算法在冠心病臨床應(yīng)用的比較[J];北京生物醫(yī)學(xué)工程;2008年03期

9 熊文;王樅;;改進(jìn)粒子群與支持向量機(jī)混合的特征變換[J];北京郵電大學(xué)學(xué)報(bào);2009年06期

10 李勇,王建波;分類回歸樹中分裂法則的相合性質(zhì)[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年01期

相關(guān)會(huì)議論文 前10條

1 葉紅云;倪志偉;陳恩紅;;一種混合型集成學(xué)習(xí)演化決策樹算法[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

2 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學(xué)習(xí)[A];2011'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2011年

3 賈少春;胡秀珍;;A Method of Predicting theβ-hairpin Motifs in Proteins[A];第四屆全國(guó)生物信息學(xué)與系統(tǒng)生物學(xué)學(xué)術(shù)大會(huì)論文集[C];2010年

4 李勝朋;王洪禮;馮劍豐;;基于不連續(xù)回歸樹的最大李雅譜諾夫指數(shù)計(jì)算方法[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

5 杜曉鳳;丁友東;;FloatBag選擇性神經(jīng)網(wǎng)絡(luò)集成及其在人臉檢測(cè)中的應(yīng)用[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

6 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測(cè)中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

7 陳華杰;韋巍;;一種基于元泛化的Bagged Boosting算法[A];2005中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集（上）[C];2005年

8 張紅梅;;基于粗糙集特征約簡(jiǎn)的SVM集成入侵檢測(cè)模型[A];2009中國(guó)控制與決策會(huì)議論文集（3）[C];2009年

9 ;Adaptive multi-LSSVR based soft sensing for cobalt oxalate synthesis process[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

10 ;Multiple ANNs Combined Scheme for Fault Diagnosis of Power Transformers[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 于化龍;基于DNA微陣列數(shù)據(jù)的癌癥分類技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 李書艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測(cè)及其機(jī)制研究[D];蘭州大學(xué);2010年

3 姚志明;基于步態(tài)觸覺信息的身份識(shí)別研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

4 鄧斌;B2C在線評(píng)論中的客戶知識(shí)管理研究[D];電子科技大學(xué);2010年

5 蘇煜;基于SCF范式的在線P300腦機(jī)接口研究[D];浙江大學(xué);2010年

6 杜方;復(fù)雜網(wǎng)絡(luò)系統(tǒng)間相似性識(shí)別及其應(yīng)用[D];浙江大學(xué);2010年

7 甘良志;核學(xué)習(xí)算法與集成方法研究[D];浙江大學(xué);2010年

8 閆中敏;Deep Web數(shù)據(jù)獲取問題研究[D];山東大學(xué);2010年

9 王樹云;基于Bayes方法和圖限制下正規(guī)化方法的變量選擇問題及其在基因組數(shù)據(jù)中的應(yīng)用[D];山東大學(xué);2010年

10 陳進(jìn);高光譜圖像分類方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 馬冉冉;集成學(xué)習(xí)算法研究[D];山東科技大學(xué);2010年

2 呂萬(wàn)里;中文文本分類技術(shù)研究[D];山東科技大學(xué);2010年

3 朱耿峰;支持向量機(jī)在沖擊地壓預(yù)測(cè)模型中的應(yīng)用研究[D];山東科技大學(xué);2010年

4 石國(guó)強(qiáng);基于規(guī)則的組合分類器的研究[D];鄭州大學(xué);2010年

5 陳松峰;利用PCA和AdaBoost建立基于貝葉斯的組合分類器[D];鄭州大學(xué);2010年

6 吳正娟;特征變換在組合分類中的應(yīng)用研究[D];鄭州大學(xué);2010年

7 曹彥;基于支持向量機(jī)的特征選擇及其集成方法的研究[D];鄭州大學(xué);2010年

8 周馳;數(shù)據(jù)流上概念漂移的檢測(cè)和分類[D];鄭州大學(xué);2010年

9 李紅;數(shù)據(jù)挖掘中特征選擇與聚類算法研究[D];大連理工大學(xué);2010年

10 李海燕;互信息特征選擇的研究及在代謝組學(xué)中的應(yīng)用[D];大連理工大學(xué);2010年

本文編號(hào)：2162182