在線社會(huì)網(wǎng)絡(luò)中的信息推薦技術(shù)研究.pdf

1、互聯(lián)網(wǎng)的高速發(fā)展將人們帶入了信息化時(shí)代，而信息量的指數(shù)級(jí)增長(zhǎng)意味著大數(shù)據(jù)時(shí)代的到來(lái)。如何從海量數(shù)據(jù)中分析和挖掘出潛在有價(jià)值的知識(shí)或者規(guī)律，幫助用戶找到感興趣的信息意義重大。如今，電子商務(wù)以及SNS等在線社會(huì)網(wǎng)絡(luò)服務(wù)已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠帧Ｈ欢藗兿硎茉诰€社會(huì)網(wǎng)絡(luò)帶來(lái)便利的同時(shí)造成了信息過(guò)載問(wèn)題。此時(shí)，推薦系統(tǒng)應(yīng)運(yùn)而生，它利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等方法從海量信息中找到用戶潛在感興趣的內(nèi)容。因此推薦系統(tǒng)的研究具有重要的理論價(jià)

2、值和現(xiàn)實(shí)意義，得到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。
　　目前，網(wǎng)絡(luò)科學(xué)已經(jīng)成為最具有活力的交叉科學(xué)。其中，關(guān)鍵節(jié)點(diǎn)挖掘是網(wǎng)絡(luò)科學(xué)中一個(gè)具有廣泛應(yīng)用的重要課題。例如，關(guān)鍵節(jié)點(diǎn)的失效將有可能導(dǎo)致整個(gè)網(wǎng)絡(luò)的癱瘓，甚至有可能導(dǎo)致其他相關(guān)網(wǎng)絡(luò)的癱瘓（級(jí)聯(lián)失效）。然而，現(xiàn)有的關(guān)鍵節(jié)點(diǎn)挖掘通常是針對(duì)單模網(wǎng)絡(luò)進(jìn)行的，如何將節(jié)點(diǎn)重要性挖掘應(yīng)用到基于二部圖的推薦系統(tǒng)中將是一個(gè)很有意思的研究課題。本文首先研究基于二部網(wǎng)絡(luò)的個(gè)性化推薦算法，進(jìn)一步結(jié)合用戶社交網(wǎng)絡(luò)

3、提高推薦算法的性能，主要研究工作如下：
　?。?）在二部網(wǎng)絡(luò)中隨機(jī)游走推薦算法給大度商品過(guò)高的權(quán)重，導(dǎo)致其多樣性較差，本文研究了在隨機(jī)游走過(guò)程中將商品的度考慮進(jìn)來(lái)，降低大度商品的影響從而同時(shí)提高推薦系統(tǒng)的準(zhǔn)確率和多樣性。另外，本文還研究了在推薦系統(tǒng)中同時(shí)將隨機(jī)游走算法與熱傳導(dǎo)算法考慮進(jìn)來(lái)時(shí)的權(quán)重分配問(wèn)題，發(fā)現(xiàn)給予隨機(jī)游走過(guò)程和熱傳導(dǎo)過(guò)程相同的權(quán)重，并且提高大度商品的影響將同時(shí)提高推薦系統(tǒng)的準(zhǔn)確率和多樣性。
　?。?）目前很多

4、性能卓越的推薦算法都是通過(guò)調(diào)節(jié)一個(gè)可調(diào)參數(shù)來(lái)獲得最佳的推薦性能。為了獲得這個(gè)最優(yōu)推薦性能，需要使用測(cè)試集信息來(lái)遍歷參數(shù)以得到最優(yōu)參數(shù)值。但是在真實(shí)的在線系統(tǒng)中測(cè)試集信息是不可知的。在一般情況下，這個(gè)參數(shù)是針對(duì)相應(yīng)的算法考慮了整個(gè)系統(tǒng)的推薦性能，這個(gè)最優(yōu)參數(shù)由數(shù)據(jù)集和算法本身的一些屬性來(lái)確定。本文假定最佳參數(shù)應(yīng)該是與數(shù)據(jù)集的某些分析結(jié)果一致，從數(shù)據(jù)的角度出發(fā)，根據(jù)數(shù)據(jù)和算法直接得到一個(gè)可接受的估計(jì)參數(shù)值，并且該參數(shù)可以在不知道測(cè)試集的情況

5、下來(lái)做出估計(jì)。最后本文發(fā)現(xiàn)只使用少量用戶的信息就可以對(duì)整個(gè)系統(tǒng)的最優(yōu)參數(shù)做出估計(jì)。
　?。?）針對(duì)如何利用社交網(wǎng)絡(luò)進(jìn)行推薦這一問(wèn)題，本文研究了計(jì)算有向社會(huì)網(wǎng)絡(luò)上用戶之間的社會(huì)相似性的三種方法，然后使用一種非線性的方法將社會(huì)相似性與用戶偏好進(jìn)行加權(quán)合并，最后使用協(xié)同過(guò)濾框架來(lái)產(chǎn)生推薦結(jié)果。通過(guò)兩個(gè)調(diào)優(yōu)參數(shù)來(lái)獲取系統(tǒng)的最優(yōu)參數(shù)和性能，并且調(diào)查了社會(huì)相似性和個(gè)性化偏好在推薦系統(tǒng)中所起的作用大小。通過(guò)實(shí)證研究了用戶社會(huì)相似性與用戶偏好之間

6、的關(guān)系。最后通過(guò)實(shí)驗(yàn)說(shuō)明了本文所提出的方法的優(yōu)越性，尤其在推薦冷門(mén)商品上的能力。
　?。?）針對(duì)傳統(tǒng)的重要節(jié)點(diǎn)挖掘主要集中在單模網(wǎng)絡(luò)中這一缺陷，研究了具有社會(huì)網(wǎng)絡(luò)和二部網(wǎng)絡(luò)的耦合社會(huì)網(wǎng)絡(luò)中的重要節(jié)點(diǎn)排序算法，與LeaderRank算法得到的影響力節(jié)點(diǎn)相比，傳播速度更快，傳播范圍更廣?；诖?，本文還研究了如何將關(guān)鍵節(jié)點(diǎn)挖掘應(yīng)用到推薦中，提出了一種將耦合社會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)排序信息用到推薦系統(tǒng)中的方法，并且提高了推薦系統(tǒng)的準(zhǔn)確率和多樣性。