社會網(wǎng)絡(luò)關(guān)系抽取及其協(xié)同推薦算法.pdf

1、隨著信息技術(shù)的發(fā)展,互聯(lián)網(wǎng)逐步取代傳統(tǒng)的書籍和紙質(zhì)媒體成為最重要的信息平臺之一。用戶可以通過互聯(lián)網(wǎng)去獲取各種資訊。隨著互聯(lián)網(wǎng)的發(fā)展,社交網(wǎng)站成為用戶獲取信息的主要途徑之一。用戶產(chǎn)生內(nèi)容和內(nèi)容分享是社交網(wǎng)站最重要的特征。用戶將花費大量時間和精力從社交網(wǎng)站中提取有用的信息,如何幫助用戶從海量信息中獲取有效的信息是一個亟待解決的問題。另外,移動互聯(lián)網(wǎng)的蓬勃發(fā)展,互聯(lián)網(wǎng)應(yīng)用增長迅速,各種同質(zhì)化應(yīng)用讓用戶很難找到有價值的應(yīng)用。面對這些問題,個性化

2、推薦系統(tǒng)被廣泛用來解決信息過載問題,其中協(xié)同過濾算法是推薦系統(tǒng)中使用的最廣泛算法。
　　隨著用戶和推薦項的增長,協(xié)同過濾算法暴露出一些問題。第一,矩陣稀疏性,基于用戶評分信息的相似度計算受到矩陣稀疏性的影響。第二,可擴展性。隨著用戶和推薦項數(shù)量增長,系統(tǒng)性能快速下降。第三,冷啟動。新推薦項和新用戶都無法有效提供推薦。在某些情況下用戶評分信息缺失時,協(xié)同過濾算法完全失效。
　　為了解決上述問題,在推薦系統(tǒng)中引入社會網(wǎng)絡(luò)關(guān)系上下

3、文,提出一種全新的基于社會網(wǎng)絡(luò)關(guān)系的協(xié)同推薦算法。首先,抽取社會網(wǎng)絡(luò)關(guān)系強度。從社交網(wǎng)絡(luò)中提取社團并挖掘出社團強度,利用社團強度來預(yù)測社團成員之間的關(guān)系強度。然后,利用用戶之間的社會網(wǎng)絡(luò)關(guān)系來重新定義用戶之間的相似度,提出一種基于社會網(wǎng)絡(luò)關(guān)系的協(xié)同推薦算法。
　　實驗結(jié)果表明,基于社會網(wǎng)絡(luò)關(guān)系的協(xié)同推薦算法,能夠有效改善相似度計算,提升系統(tǒng)擴展性,并一定程度對抗矩陣稀疏性。在用戶推薦項矩陣稀疏的情況下,協(xié)同推薦算法優(yōu)于傳統(tǒng)的協(xié)同過