基于圖的個(gè)性化推薦研究.pdf

1、在Internet的迅速發(fā)展和普及的背景下，互聯(lián)網(wǎng)為人們提供了海量的信息，而且這些信息仍在爆炸式增長(zhǎng)中。海量的信息為人們提供更多選擇的同時(shí)，也帶來(lái)諸多問(wèn)題。人們尋找信息越來(lái)越困難，往往需要瀏覽了大量網(wǎng)頁(yè)才能找到。動(dòng)態(tài)的個(gè)性化推薦系統(tǒng)的研究為這個(gè)問(wèn)題帶來(lái)一種可行的解決方案，互聯(lián)網(wǎng)也從“搜索引擎”迎來(lái)“推薦引擎”的時(shí)代。打開(kāi)網(wǎng)頁(yè)即可“所想即所得”，有時(shí)甚至?xí)橛脩糇龅轿从昃I繆。另一方面，網(wǎng)站的建設(shè)更加富有成效，為不同的用戶展示個(gè)性化的內(nèi)容。

2、此外，商家通過(guò)個(gè)性化推薦系統(tǒng)定位市場(chǎng)人群，實(shí)現(xiàn)廣告的精準(zhǔn)投放和個(gè)性化營(yíng)銷(xiāo)，這樣獲得了最大效益的同時(shí)，也避免了用戶對(duì)盲目推薦的反感。
　　個(gè)性化推薦的研究已經(jīng)成為了各個(gè)交叉學(xué)科關(guān)注的熱門(mén)領(lǐng)域?；趫D的推薦將用戶-物品關(guān)系看作是二元的二分網(wǎng)絡(luò)結(jié)構(gòu)形式，受到越來(lái)越多的關(guān)注。這種圖的推薦方法通過(guò)動(dòng)力學(xué)擴(kuò)散的思想實(shí)現(xiàn)信息的過(guò)濾，對(duì)于個(gè)性化推薦系統(tǒng)的兩個(gè)難題—冷啟動(dòng)問(wèn)題和長(zhǎng)尾挖掘問(wèn)題提供了一種可行的解決思路，在一些廣告投放，婚戀網(wǎng)站等實(shí)際應(yīng)用

3、場(chǎng)景中都采用了基于圖的個(gè)性化推薦解決方案。此外，各種旨在解決“圖計(jì)算”的并行架構(gòu)紛紛推出，這為基于圖的推薦算法進(jìn)一步應(yīng)用于實(shí)際場(chǎng)景中提供了幫助。在本文中，針對(duì)以往算法的不足，提出了基于圖推薦的雙向擴(kuò)散思路，完成了算法原理及算法實(shí)現(xiàn)，再到實(shí)驗(yàn)證明。一般來(lái)說(shuō)，用戶的興趣受到兩方面的影響，一方面是用戶本身的愛(ài)好，體現(xiàn)在用戶的歷史交易數(shù)據(jù)上，試圖為其推薦相似的物品。另一方面是會(huì)受到周邊朋友興趣的影響，體現(xiàn)在擁有相同興趣的朋友圈，可能其感興趣的物

4、品往往會(huì)最先在朋友圈中流行。因此新算法利用著名的隨機(jī)游走方法，在之前提出的“熱傳導(dǎo)算法”基礎(chǔ)上，增加了反饋傳播來(lái)強(qiáng)化推薦的精準(zhǔn)度。在兩個(gè)著名的實(shí)驗(yàn)數(shù)據(jù)集上，本算法在推薦系統(tǒng)的幾個(gè)指標(biāo)及長(zhǎng)尾挖掘方面，表現(xiàn)出了不錯(cuò)的性能，較以往的過(guò)濾算法有了較大程度的改善，在讓人頭疼的推薦冷啟動(dòng)問(wèn)題上，基于圖的推薦算法更容易將新的用戶節(jié)點(diǎn)或商品節(jié)點(diǎn)擴(kuò)散到盡可能多的地方，本文提出的算法在這點(diǎn)上具有明顯的優(yōu)勢(shì)。此外，算法的思想很容易推廣到其它的算法模型，如在雙