基于Agent模型的社會(huì)推薦系統(tǒng)分析研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，人們?cè)诰W(wǎng)上購(gòu)買產(chǎn)品變得越來(lái)越便捷，越來(lái)越多的網(wǎng)民加入到網(wǎng)購(gòu)的大軍中。在這個(gè)背景下，為了讓用戶更加快捷、準(zhǔn)確選到自己中意的產(chǎn)品，個(gè)性化推薦系統(tǒng)就顯得尤為重要了。然而，傳統(tǒng)的個(gè)性化推薦方法，如基于用戶或者項(xiàng)目的協(xié)同推薦算法，并不顯示用戶的興趣模型，而是通過相似度對(duì)比，以此為依據(jù)來(lái)進(jìn)行推薦，這也使得推薦的效果并不突出。鑒于個(gè)性化推薦系統(tǒng)低下的推薦效率，社會(huì)化推薦系統(tǒng)成為學(xué)術(shù)界研究的重點(diǎn)和難點(diǎn)之一。
　　社會(huì)推薦

2、系統(tǒng)是建立在用戶之間的社會(huì)關(guān)系的基礎(chǔ)上的，并以此構(gòu)建用戶之間的社會(huì)關(guān)系網(wǎng)絡(luò)。對(duì)于一個(gè)新的用戶，只要在已知的關(guān)系網(wǎng)絡(luò)中，存在一個(gè)或多個(gè)用戶與之有間接或直接的聯(lián)系，該新用戶就可以加入到該網(wǎng)絡(luò)中，并根據(jù)已知的用戶興趣模型，對(duì)該新用戶進(jìn)行推薦。事實(shí)證明，隨著人的社會(huì)化屬性加深，社會(huì)推薦系統(tǒng)的推薦能力會(huì)更加強(qiáng)大。
　　本文利用Agent模型來(lái)研究社會(huì)推薦系統(tǒng)，研究的內(nèi)容和目標(biāo)為:
　　(1)基于Agent模型構(gòu)建社會(huì)網(wǎng)絡(luò)。社會(huì)推薦系統(tǒng)

3、是建立在社會(huì)網(wǎng)絡(luò)上來(lái)展開的。所以在研究社會(huì)推薦系統(tǒng)時(shí)，首先要初始化一個(gè)社會(huì)網(wǎng)絡(luò)。由于Agent具有獨(dú)立性跟封裝性，因此可以將社會(huì)屬性和參數(shù)封裝到Agent之中，然后將單個(gè)Agent作為網(wǎng)絡(luò)中的一個(gè)結(jié)點(diǎn)，構(gòu)建基于Agent的社會(huì)網(wǎng)絡(luò)模型。在這一部分中，主要有兩部分的工作:Agent模型的設(shè)計(jì)和構(gòu)建社會(huì)網(wǎng)絡(luò)。在本文中，根據(jù)消費(fèi)市場(chǎng)的特征，主要設(shè)計(jì)了兩類Agent，即生產(chǎn)者Agent和消費(fèi)者Agent，以及它們的建模過程和內(nèi)在聯(lián)系。在此基礎(chǔ)之

4、上，利用Agent的動(dòng)態(tài)性和獨(dú)立性，初始化一個(gè)社會(huì)網(wǎng)絡(luò)模型。
　　(2)在基于Agent的社會(huì)網(wǎng)絡(luò)模型的基礎(chǔ)上，利用協(xié)同過濾算法的原理，構(gòu)建基于Agent的社會(huì)推薦系統(tǒng)。針對(duì)當(dāng)前推薦系統(tǒng)主要集中在推薦算法的優(yōu)化，單純優(yōu)化推薦響應(yīng)時(shí)間，而忽略推薦的個(gè)性化程度，或單純優(yōu)化了推薦效率，卻缺乏普遍性等問題，本文通過Agent模型來(lái)研究社會(huì)推薦系統(tǒng)，利用Agent的強(qiáng)大的分布計(jì)算能力，并設(shè)計(jì)了TopX算法和Threshold閾值算法，尋找出