基于社團(tuán)劃分和加權(quán)二部圖網(wǎng)絡(luò)的個(gè)性化推薦算法研究.pdf

1、個(gè)性化推薦能夠滿足用戶個(gè)人不同的需求，為用戶提供高精度的個(gè)性化服務(wù)可以增加用戶的粘著性并給網(wǎng)絡(luò)、系統(tǒng)的開(kāi)發(fā)商帶來(lái)一定的利益，但是個(gè)性化推薦在準(zhǔn)確率、召回率（覆蓋率）方面并不是很令人滿意。本文旨在提高個(gè)性化推薦的效果。
　　首先，在對(duì)復(fù)雜網(wǎng)絡(luò)、社團(tuán)劃分、個(gè)性化推薦和二部圖網(wǎng)絡(luò)方面進(jìn)行詳細(xì)分析后，發(fā)現(xiàn)二部圖網(wǎng)絡(luò)可以更好地描述網(wǎng)絡(luò)中各節(jié)點(diǎn)及節(jié)點(diǎn)間關(guān)系，故選擇二部圖網(wǎng)絡(luò)作為研究對(duì)象，利用二部圖兩類(lèi)節(jié)點(diǎn)及節(jié)點(diǎn)間關(guān)系對(duì)其進(jìn)行個(gè)性化推薦。

2、>　　然后，選擇改進(jìn)的模糊C均值算法對(duì)二部圖網(wǎng)絡(luò)中用戶節(jié)點(diǎn)和項(xiàng)目節(jié)點(diǎn)分別進(jìn)行聚類(lèi)產(chǎn)生社團(tuán)，減少了數(shù)據(jù)的稀疏性，得到了較好的劃分效果。模糊C均值算法的改進(jìn)分別為減法聚類(lèi)法產(chǎn)生初始聚類(lèi)中心、改進(jìn)的距離函數(shù)（包括0-1矩陣距離函數(shù)和加權(quán)矩陣距離函數(shù)）和選取迭代過(guò)程中的最優(yōu)方案三方面。利用真實(shí)數(shù)據(jù)對(duì)改進(jìn)的模糊C均值算法在二部圖網(wǎng)絡(luò)中的應(yīng)用進(jìn)行測(cè)試，得到了較好的劃分效果。
　　其次，提出了基于二部圖網(wǎng)絡(luò)的個(gè)性化推薦模型，分別對(duì)0-1矩陣和加