基于社會(huì)網(wǎng)絡(luò)的主動(dòng)信息推送算法研究.pdf

1、隨著Web2.0技術(shù)的發(fā)展，互聯(lián)網(wǎng)在人們生活中扮演著越來越重要的角色，電子商務(wù)的普及和完善大大改變了人們的生活習(xí)慣。然而由于網(wǎng)絡(luò)的飛速發(fā)展導(dǎo)致了信息量的膨脹，如何給用戶提供有用的信息成為了一個(gè)研究熱點(diǎn)，推薦系統(tǒng)也應(yīng)運(yùn)而生。基于內(nèi)容的推薦系統(tǒng)利用物品本身的特征形成推薦，然而特征的表示有很大的語義鴻溝。協(xié)同過濾推薦系統(tǒng)利用用戶的行為和興趣分析用戶間的相似度，綜合考慮這些相似用戶對(duì)于物品的評(píng)價(jià)來形成對(duì)原用戶的推薦信息，然而由于現(xiàn)實(shí)應(yīng)用中用戶數(shù)

2、據(jù)的稀疏性導(dǎo)致了相似度計(jì)算不準(zhǔn)確和協(xié)同推薦系統(tǒng)的冷啟動(dòng)問題從而使得推薦結(jié)果也不夠理想。如何解決語義鴻溝、數(shù)據(jù)稀疏性帶來的問題和系統(tǒng)的冷啟動(dòng)問題成為了推薦算法研究的熱點(diǎn)和重點(diǎn)。
　　 近年來，隨著Twitter，Douban，F(xiàn)acebook等社區(qū)產(chǎn)品的發(fā)展和流行，網(wǎng)絡(luò)中的用戶可以用標(biāo)簽標(biāo)注自己感興趣的物品，用戶之間也因?yàn)橐恍┙换バ袨樾纬闪素S富的關(guān)系。這些由交互行為形成的聯(lián)系不僅反應(yīng)了用戶個(gè)人的興趣愛好，也蘊(yùn)含著用戶與用戶之間的關(guān)

3、系。如何通過挖掘社會(huì)網(wǎng)絡(luò)，語義標(biāo)注等上下文的信息來協(xié)助推薦，從而達(dá)到改善推薦結(jié)果的目的，成為主動(dòng)信息推送算法的新思路。
　　 本文的主要工作如下：
　　 1.為了解決協(xié)同過濾算法同冷啟動(dòng)問題，本文提出一種基于社區(qū)劃分和協(xié)同標(biāo)注的協(xié)同過濾算法，算法首先使用社區(qū)劃分算法對(duì)用戶所在的社會(huì)網(wǎng)絡(luò)進(jìn)行劃分，提取出各個(gè)網(wǎng)絡(luò)社區(qū)；然后通過構(gòu)建基于用戶、物品、標(biāo)簽的三部圖模型來計(jì)算產(chǎn)生目標(biāo)用戶的候選標(biāo)簽集，最后利用三部圖模型中的用戶-物品

4、模型和物品-標(biāo)簽?zāi)Ｐ蛠懋a(chǎn)生對(duì)用戶的推薦。本文提出的算法基于社區(qū)劃分和社會(huì)化標(biāo)簽，能很好地解決語義鴻溝的問題和協(xié)同過濾的冷啟動(dòng)問題。
　　 2.為了提高推薦系統(tǒng)的準(zhǔn)確度，本文提出一種基于社會(huì)標(biāo)注和動(dòng)態(tài)興趣建模的協(xié)同過濾算法。傳統(tǒng)的協(xié)同過濾計(jì)算用戶或物品間的相似度時(shí)，未考慮用戶興趣的轉(zhuǎn)移，直接計(jì)算用戶或物品的特征，從而降低了推薦系統(tǒng)的準(zhǔn)確率。本文提出基于社會(huì)標(biāo)注和動(dòng)態(tài)興趣建模的協(xié)同過濾算法，使用艾賓浩斯遺忘曲線重構(gòu)用戶-標(biāo)簽?zāi)Ｐ停煌?/p>