在線社會網(wǎng)絡(luò)挖掘及個性化推薦研究.pdf

1、隨著網(wǎng)絡(luò)及信息技術(shù)的飛速發(fā)展,在線購物、社交網(wǎng)絡(luò)等在線社會網(wǎng)絡(luò)已成為人們生活中必不可少的一部分.然而網(wǎng)絡(luò)中的信息呈現(xiàn)出爆炸性增長,信息的數(shù)量大大超出了人們的處理能力,“網(wǎng)絡(luò)信息過載”問題日趨嚴重.為了滿足用戶越來越高的信息服務(wù)要求,可以向用戶推薦感興趣項目,個性化推薦技術(shù)應(yīng)運而生,并引起了國內(nèi)外學(xué)者和用戶的廣泛關(guān)注.利用個性化推薦技術(shù)解決在線社會網(wǎng)絡(luò)下的信息過載問題,可以有效的提高信息利用率及用戶瀏覽體驗,具有重要的現(xiàn)實意義和廣闊的應(yīng)用

2、前景.
　　目前,針對在線社會網(wǎng)絡(luò)下的個性化推薦問題,國內(nèi)外研究學(xué)者相繼提出了一系列的解決方法,為后續(xù)的進一步研究奠定了基礎(chǔ).但是現(xiàn)有研究仍存在著以下不足:
　　(1)現(xiàn)有推薦算法普遍只注重用戶或資源間的相似度,而忽略了用戶興趣的動態(tài)變化,難以快速捕捉到用戶興趣.
　　(2)由于在線社會網(wǎng)絡(luò)的動態(tài)性、不可預(yù)知性,傳統(tǒng)的網(wǎng)絡(luò)社團挖掘算法具有低效性且難以反映在線社會網(wǎng)絡(luò)的動態(tài)變化情況.
　　(3)隨著推薦系統(tǒng)中的用戶

3、和資源數(shù)量的不斷增加,現(xiàn)有協(xié)同過濾推薦算法普遍存在數(shù)據(jù)稀疏性問題,難以有針對性的選擇用戶近鄰進而給出有效的個性化預(yù)測.
　　本文以在線社會網(wǎng)絡(luò)環(huán)境為研究背景,針對當前研究存在的以上問題展開研究,本文的主要工作與創(chuàng)新點如下:
　　1.提出一種基于記憶效應(yīng)的協(xié)同過濾推薦算法,與傳統(tǒng)推薦算法相比有效的提高了推薦精度,解決了用戶興趣變化下的個性化推薦問題.
　　該模型以認知心理學(xué)對人腦記憶-遺忘規(guī)律的研究成果為基礎(chǔ),充分分析用

4、戶心理,挖掘用戶興趣偏好,將用戶的訪問行為抽象為人腦的記憶、遺忘過程,使推薦系統(tǒng)中的原始數(shù)據(jù)隨著系統(tǒng)的運行逐漸進行演化,形成不平衡分布,從而在需要時快速抽取出重要數(shù)據(jù),分析在記憶、遺忘過程中不斷變化的用戶興趣.算法實驗表明,引入記憶效應(yīng)的協(xié)同過濾推薦算法,可以更好的反映用戶興趣變化,提高了推薦精度,為現(xiàn)有的推薦系統(tǒng)的設(shè)計提供了一種新思路.
　　2.提出一種基于文化的多目標網(wǎng)絡(luò)社團劃分算法,有效克服了動態(tài)在線社會網(wǎng)絡(luò)的不可預(yù)知性及傳

5、統(tǒng)網(wǎng)絡(luò)社團劃分算法的低效性,解決了動態(tài)在線社會網(wǎng)絡(luò)下的目標團體挖掘問題.
　　該模型對在線社會網(wǎng)絡(luò)的社團進行著重分析,提出基于文化的多目標社團發(fā)現(xiàn)算法,有效的解決了細粒度社團發(fā)現(xiàn)問題.該方法不需了解整個網(wǎng)絡(luò)的拓撲結(jié)構(gòu)便可動態(tài)的獲得社團的劃分數(shù)目且可直接得到社團的概貌結(jié)構(gòu).仿真實驗表明,算法在收斂性能及解集分布性方面較傳統(tǒng)算法均有改善,并應(yīng)用于動態(tài)網(wǎng)絡(luò)聚類,取得了良好的聚類效果.
　　3.提出一種基于在線社會網(wǎng)絡(luò)社團發(fā)現(xiàn)的協(xié)同