論如何利用挖掘社交資訊來(lái)改進(jìn)推薦系統(tǒng).pdf

1、隨著電子商務(wù)及移動(dòng)商務(wù)的發(fā)展，推薦系統(tǒng)在研究領(lǐng)域和實(shí)踐領(lǐng)域都顯得越來(lái)越重要。傳統(tǒng)的推薦系統(tǒng)研究者利用用戶(hù)的打分列表作為推薦的基礎(chǔ)，而忽略了能夠影響用戶(hù)偏好的其他因素。然而，實(shí)際上用戶(hù)偏好以及他們的購(gòu)買(mǎi)決策同時(shí)取決于他們自身的經(jīng)驗(yàn)以及社交信息。以前也有推薦系統(tǒng)研究者在推斷用戶(hù)偏好和打分的時(shí)候考慮了社交信息，但是他們只集中在用戶(hù)的行為（這會(huì)帶來(lái)用戶(hù)隱私問(wèn)題）或利用用戶(hù)之間的距離去計(jì)算用戶(hù)之間的影響力。此項(xiàng)研究著重考察如何充分利用社交信息做更

2、為精準(zhǔn)的推薦服務(wù)。社交信息指的是從社交環(huán)境中獲取的信息，不僅包括從親密的朋友處得來(lái)的信息，也包括從大眾點(diǎn)評(píng)中所獲取的信息。根據(jù)從社會(huì)學(xué)，行為學(xué)以及推薦系統(tǒng)的研究成果所獲得的理論基礎(chǔ)，我們提出三種新型的推薦系統(tǒng)方法。在此項(xiàng)研究中的實(shí)驗(yàn)比較了現(xiàn)存的推薦方法（包括傳統(tǒng)經(jīng)典推薦算法，近期經(jīng)典推薦算法以及以前的社交推薦算法），和此研究中所提出的三種新型推薦算法（包括考慮到從用戶(hù)朋友網(wǎng)絡(luò)中挖掘出的社交信息的推薦算法，考慮到從大眾點(diǎn)評(píng)中挖掘出的社交信

3、息的推薦算法，以及考慮到從用戶(hù)朋友網(wǎng)絡(luò)和大眾點(diǎn)評(píng)中挖掘出的社交信息的推薦算法）的推薦準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明此項(xiàng)研究中新提出的三項(xiàng)推薦算法能夠比之前的推薦算法在準(zhǔn)確性，覆蓋率以及F-measure等指標(biāo)中都有更好的表現(xiàn)。特別是當(dāng)用戶(hù)沒(méi)有提供任何打分的情境下，此三種推薦算法是不可取代的，因?yàn)槠渌F(xiàn)存的推薦方法在這種情境下是完全無(wú)法工作的。我們也發(fā)現(xiàn)從用戶(hù)朋友網(wǎng)絡(luò)挖掘社交信息比從大眾點(diǎn)評(píng)挖掘社交信息更能幫助推薦系統(tǒng)準(zhǔn)確的預(yù)測(cè)用戶(hù)偏好和用戶(hù)打分。