面向社交網絡的協(xié)作過濾算法研究及應用.pdf

1、伴隨互聯網和信息技術的快速普及和廣泛應用，各類社交網絡不斷涌現并已成為互聯網上的重要應用，人們也越來越仰仗于利用社交網絡尋找自己感興趣的信息。然而，社交網絡用戶數量在不斷攀升，用戶間頻繁交互會產生海量的互動信息，這些都導致了社交網絡中的信息過載，而個性化推薦則是解決信息過載問題最有效的方法。因此，社交網絡中的個性化推薦已成為一個研究熱點，逐漸受到了學者們的關注。
　　協(xié)作過濾算法是應用最為廣泛的個性化推薦算法，本文首先針對協(xié)作過濾

2、算法應用于社交網絡中存在推薦精度不高的問題，提出基于用戶信任度和社會相似度的協(xié)作過濾算法。然后對上述算法做進一步優(yōu)化提出基于社交網絡用戶相似度聚類的協(xié)作過濾算法。最后利用所提出的推薦算法開發(fā)了一個面向社交網絡的推薦系統(tǒng)。本文主要研究內容如下：
　　(1)針對協(xié)作過濾算法應用于社交網絡中存在推薦精度不高的問題，提出一個基于用戶信任度和社會相似度的協(xié)作過濾算法。該算法首先通過社交網絡計算用戶信任度和社會相似度，并依據用戶-項目評分數據

3、計算用戶相似度。然后將用戶相似度、用戶信任度和社會相似度進行融合并據此形成最近鄰集。最后利用優(yōu)化的評分預測公式依據最近鄰集中的用戶-項目評分數據生成給目標用戶的推薦結果。實驗結果表明該算法較其他算法在解決社交網絡的推薦問題時有更高的推薦精度，但其執(zhí)行效率會隨著社交網絡規(guī)模的增大而降低。
　　(2)針對基于用戶信任度和社會相似度的協(xié)作過濾算法的執(zhí)行效率隨社交網絡規(guī)模增大而有所下降的問題，提出一個基于社交網絡用戶相似度聚類的協(xié)作過濾算

4、法。該算法首先根據用戶在社交網絡中的屬性信息及互動行為計算社交網絡用戶相似度。然后根據社交網絡用戶相似度利用改進的k-means算法對用戶進行聚類從而形成多個不同的用戶簇。最后在每個用戶簇上利用基于用戶信任度和社會相似度的協(xié)作過濾算法產生推薦結果。實驗結果表明該算法在處理大規(guī)模社交網絡數據集時不僅顯著降低了運行時間也提高了推薦精度，很好的解決了基于用戶信任度和社會相似度的協(xié)作過濾算法存在的問題。
　　(3)設計并實現了一個面向社交