基于社交網(wǎng)絡(luò)的協(xié)同過濾推薦算法研究.pdf

1、隨著Web2.0技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)給人們的工作生活都帶來了很多的便利。例如，在過去人們?yōu)榱速I一件衣服，可能需要去很遠(yuǎn)的商場(chǎng)購買，而如今，只需要通過網(wǎng)絡(luò)在淘寶，京東等電商網(wǎng)站在線購買即可，省時(shí)省力。然而，當(dāng)海量的商品信息充斥于互聯(lián)網(wǎng)中時(shí)，人們面臨著嚴(yán)重的信息過載問題。為了幫助用戶更輕松更快速的尋找到所需要的商品，推薦系統(tǒng)應(yīng)運(yùn)而生，并被廣泛的應(yīng)用于諸如亞馬遜，Netflix等網(wǎng)站。在諸多推薦算法當(dāng)中，協(xié)同過濾算法由于只需要評(píng)分信息而且實(shí)

2、現(xiàn)技術(shù)難度不大，成為最流行最成功的推薦算法之一。但是，它依然面臨著數(shù)據(jù)稀疏性，可擴(kuò)展性差的問題，一定程度上限制了推薦系統(tǒng)的預(yù)測(cè)推薦能力。近年來社交網(wǎng)站發(fā)展迅速，傳統(tǒng)的電子商務(wù)網(wǎng)站也加入了用戶社交的功能，為用戶提供了評(píng)論，交流，反饋的能力，并產(chǎn)生了海量的社交網(wǎng)絡(luò)信息，為解決傳統(tǒng)協(xié)同過濾算法所面臨的難題提供了新的思路和途徑?；谝陨戏治觯疚耐ㄟ^引入用戶社交網(wǎng)絡(luò)信息提出了兩種新的協(xié)同過濾算法，具體內(nèi)容如下：
　?。?）為了解決數(shù)據(jù)稀疏

3、性問題，本文分別在物品相似度計(jì)算和評(píng)分預(yù)測(cè)階段，利用社交網(wǎng)絡(luò)中朋友關(guān)系信息對(duì)評(píng)分矩陣中的缺失值進(jìn)行選擇性地填充，使得評(píng)分矩陣中的已有信息利用最大化，進(jìn)而提出了基于社交網(wǎng)絡(luò)缺失值填充的協(xié)同過濾推薦算法。最后，在公開數(shù)據(jù)集上進(jìn)行了相關(guān)實(shí)驗(yàn)，結(jié)果表明提出的方法在數(shù)據(jù)稀疏的情況下，仍然有著很好的推薦精度。
　　（2）為了解決可擴(kuò)展性問題，本文對(duì)用戶的社交網(wǎng)絡(luò)進(jìn)行社區(qū)發(fā)現(xiàn)，找到各個(gè)社區(qū)對(duì)應(yīng)的物品集合，將物品劃分為若干個(gè)物品組，然后構(gòu)建出一個(gè)