基于概率矩陣分解的社會(huì)化推薦算法研究.pdf

1、社交網(wǎng)絡(luò)的發(fā)展給推薦技術(shù)帶來(lái)了新的契機(jī)，利用社交關(guān)系進(jìn)行社會(huì)化的推薦，不僅能提高推薦的準(zhǔn)確率，更能讓用戶(hù)信任系統(tǒng)的推薦理由，因而得到了電子商務(wù)網(wǎng)站和許多科研人員的青睞。本文以社會(huì)化推薦中的協(xié)同過(guò)濾推薦算法為主要研究對(duì)象，針對(duì)概率矩陣分解算法在實(shí)際推薦中面臨的準(zhǔn)確性和社交關(guān)系稀疏等問(wèn)題展開(kāi)了調(diào)研與研究，結(jié)合主題模型和聚類(lèi)等機(jī)器學(xué)習(xí)方法，提出了解決這幾個(gè)問(wèn)題的方案，并通過(guò)實(shí)驗(yàn)驗(yàn)證了所提方案的效果。具體如下:
　　1、針對(duì)基于概率矩陣分

2、解的社會(huì)化推薦算法的準(zhǔn)確性問(wèn)題，提出了一種基于主題的朋友提取概率矩陣分解算法。該算法主要應(yīng)用于社交關(guān)系較為稠密場(chǎng)景下的社會(huì)化推薦問(wèn)題，它針對(duì)現(xiàn)有的社會(huì)化推薦算法在考慮來(lái)自社交關(guān)系的影響時(shí)，考慮過(guò)多朋友的影響導(dǎo)致的推薦準(zhǔn)確率下降的問(wèn)題，提出了相應(yīng)的解決方案。該算法將用戶(hù)看作喜好的集合，通過(guò)主題模型的訓(xùn)練，挖掘出用戶(hù)的喜好，并根據(jù)喜好劃分用戶(hù)的社交關(guān)系，使得最終的推薦結(jié)果只受和用戶(hù)在物品所屬主題里擁有相同喜好的社交關(guān)系的影響。實(shí)驗(yàn)表明，該算

3、法的推薦誤差小于其他4種傳統(tǒng)的概率矩陣分解算法，在一定程度上提高了推薦的準(zhǔn)確率。
　　2、針對(duì)基于主題的朋友提取概率矩陣分解算法以及其他的概率矩陣分解算法在社交關(guān)系稀疏時(shí)，推薦準(zhǔn)確率下降的問(wèn)題，提出了一種基于用戶(hù)主題聚類(lèi)的概率矩陣分解算法。該算法通過(guò)相同的用戶(hù)喜好的主題挖掘，找出用戶(hù)的喜好，并根據(jù)用戶(hù)的喜好對(duì)所有用戶(hù)進(jìn)行聚類(lèi)，再?gòu)木垲?lèi)的結(jié)果為社交關(guān)系稀疏的用戶(hù)“構(gòu)建”新的社交關(guān)系，使這部分用戶(hù)的社交關(guān)系變得相對(duì)稠密，以達(dá)到社會(huì)化推