基于社會網絡信息的協(xié)同過濾推薦方法研究.pdf

1、在互聯(lián)網環(huán)境下，海量的信息資源使得用戶享受到科技帶來的便捷，然而，近年來，信息過載問題已經在一定程度上開始影響用戶對互聯(lián)網應用的體驗。如何能從繁雜的信息中篩選出用戶所需的有價值的信息，并加以呈現(xiàn)，成為學者思考的問題。推薦系統(tǒng)是信息過載問題的一個解決方案，它通過用戶的歷史信息進行個性化推薦。但是，隨著推薦系統(tǒng)中用戶數量不斷增多，用戶的歷史評分數據相對較少，系統(tǒng)出現(xiàn)了評分數據稀疏、推薦長尾現(xiàn)象嚴重及推薦結果多樣性差等問題。
　　針對上

2、述問題，本文對國內外現(xiàn)有的研究成果進行總結和分析，提出了一種基于社會化網絡信息的協(xié)同過濾推薦方法。
　　協(xié)同過濾算法是推薦系統(tǒng)中使用非常廣泛的一種算法，但是由于歷史數據稀疏等問題，僅依靠歷史數據經常不足以支撐系統(tǒng)分析挖掘用戶興趣。為了改善這一問題，本文通過社會網絡提供的用戶之間的信任信息，從全局/局部信任、單路徑/多路徑信任、單向/雙向信任等多個維度構建了基于社會信任關系的用戶相似性計算方法。在推薦缺乏多樣性和長尾現(xiàn)象嚴重問題上，

3、本文提出一種基于時間上下文和項目置信度的用戶相似度計算方法。結合基于社會信任關系的用戶相似性計算結果，構造信任用戶-項目評分矩陣，計算用戶興趣相似性，并綜合基于社會信任的用戶相似性、項目置信度和時間上下文因素得到目標用戶的最近鄰居集，預測用戶對項目的評分，給出推薦列表。
　　最后，本文借助Extend Epinion數據集對所設計算法進行實驗驗證，并與傳統(tǒng)基于用戶的協(xié)同過濾算法、基于社會信任的協(xié)同過濾算法進行實驗對比。從實驗結果證