基于群體檢測技術的推薦系統(tǒng)研究.pdf

1、信息技術的快速發(fā)展，在方便人們生活的同時，也導致了海量網絡數(shù)據(jù)的聚集。如何從海量網絡數(shù)據(jù)中挖掘有用的信息正面臨著巨大的挑戰(zhàn)。鏈接預測是社會網絡分析和鏈接挖掘領域的熱點問題，研究從已觀察到的網絡部分預測未觀察到的網絡部分或者為當前網絡預測未來某時刻出現(xiàn)的新鏈接。其中，二部圖中的鏈接預測是一個較新而且實用性很強的研究課題，通常應用于各類推薦系統(tǒng)中。
　　二部圖包含兩種不同類型的節(jié)點且鏈接只存在于不同類型的節(jié)點之間，因此許多適用于單部圖

2、的基于共同鄰居度量的鏈接預測方法無法直接用于二部圖中。此外，已有研究表明，群體信息對提高鏈接預測的準確率有重要意義，但目前仍未得到充分重視，也沒有應用于二部圖鏈接預測問題。因此，如何有效利用群體信息成為二部圖鏈接預測問題的一個挑戰(zhàn)。
　　本課題的主要研究內容如下：
　　1、對鏈接預測的研究現(xiàn)狀進行了綜述，重點討論了二部圖的鏈接預測任務，討論目前該任務面臨的問題及挑戰(zhàn)。此外，還分析了群體檢測技術及其對鏈接預測的重要意義。為本課

3、題關于二部圖鏈接預測方法的研究指明了方向。
　　2、提出了一種采用群體信息的二部圖鏈接預測方法——Com-BLiP，該方法將鏈接預測視為機器學習的二分類問題，通過對二部圖投影，抽取二部圖中節(jié)點對樣本的局部結構屬性，并運用群體檢測技術抽取節(jié)點對樣本的群體屬性，隨后將這兩類屬性一起作為樣本的描述向量，在監(jiān)督學習框架中進行訓練和預測。在現(xiàn)實數(shù)據(jù)集MovieLens中的實驗結果表明，群體信息的引入能有效提高二部圖鏈接預測方法的準確率，從而