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

1、個性化推薦能夠滿足用戶個人不同的需求，為用戶提供高精度的個性化服務(wù)可以增加用戶的粘著性并給網(wǎng)絡(luò)、系統(tǒng)的開發(fā)商帶來一定的利益，但是個性化推薦在準(zhǔn)確率、召回率（覆蓋率）方面并不是很令人滿意。本文旨在提高個性化推薦的效果。
　　首先，在對復(fù)雜網(wǎng)絡(luò)、社團(tuán)劃分、個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)點及節(jié)點間關(guān)系，故選擇二部圖網(wǎng)絡(luò)作為研究對象，利用二部圖兩類節(jié)點及節(jié)點間關(guān)系對其進(jìn)行個性化推薦。

2、>　　然后，選擇改進(jìn)的模糊C均值算法對二部圖網(wǎng)絡(luò)中用戶節(jié)點和項目節(jié)點分別進(jìn)行聚類產(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)分別為減法聚類法產(chǎn)生初始聚類中心、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)）和選取迭代過程中的最優(yōu)方案三方面。利用真實數(shù)據(jù)對改進(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)的個性化推薦模型，分別對0-1矩陣和加