基于用戶網絡社交信息的推薦算法研究與實現(xiàn).pdf

1、隨著互聯(lián)網和信息技術的飛躍發(fā)展，作為信息過濾的一項重要解決方案，個性化推薦技術得到了廣泛的研究與應用，各大互聯(lián)網網站紛紛提供了個性化推薦服務以提高網站的核心競爭力。盡管協(xié)同過濾推薦算法在推薦系統(tǒng)中廣泛應用并且獲得了巨大的成功，但隨著互聯(lián)網的發(fā)展，網絡資源信息越來越龐大，網絡用戶人數(shù)越來越多，協(xié)同過濾的發(fā)展也面臨著巨大挑戰(zhàn)，比如數(shù)據(jù)稀疏、冷啟動等問題。近幾年，隨著以FaceBook、微博、微信為代表的社交媒體的流行，給個性化推薦研究提供了

2、新的思路，通過分析和挖掘用戶在社交網絡中的海量信息和行為以及社交關系，可以知道用戶的興趣愛好，進而為用戶提供更加準確的個性化服務。為緩解數(shù)據(jù)稀疏造成的推薦質量低的問題，本文將用戶社交網絡關系融入了協(xié)同過濾推薦算法中，來提高推薦的準確度。本文的具體研究工作如下：
　?。?）重點研究了協(xié)同過濾算法，分析了協(xié)同過濾技術目前存在的問題，針對數(shù)據(jù)稀疏性問題，提出了一種組合推薦算法。算法的思想是將Slope One算法和基于用戶的協(xié)同過濾算法

3、技術通過疊加的方式結合起來，利用Slope One簡單、高效、準確度高的優(yōu)點來對評分矩陣進行填充，緩解數(shù)據(jù)稀疏性問題，最后給出了算法的具體實現(xiàn)過程。
　　（2）分析了目前比較經典的幾種相似度算法的原理與缺點。針對不足之處，分析了社交網絡信息對推薦的意義，然后綜合利用用戶的個人偏好信息和社交網絡關系特征做出推薦。通過將用戶個人偏好信息計算的用戶相似度和利用社交網絡關系計算的用戶相似度進行線性加權融合，不僅可以提高推薦質量，也可以增加