基于用戶多維社交網(wǎng)絡(luò)模型的推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，人們的生活已離不開互聯(lián)網(wǎng)，在享受著互聯(lián)網(wǎng)普及帶來的種種益處的同時(shí)，信息過載等問題也日趨嚴(yán)重。當(dāng)快速而準(zhǔn)確地找到令人滿意的商品逐漸變?yōu)橐环N奢求時(shí)，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生了，它能在與用戶的交互過程中，通過研究用戶的歷史瀏覽記錄等信息，獲取其興趣偏好，從海量信息中搜尋用戶感興趣的信息并主動(dòng)推薦給用戶，從而滿足用戶對(duì)信息的多元化和個(gè)性化需求。
　　推薦系統(tǒng)的出現(xiàn)，能很好地解決上述互聯(lián)網(wǎng)所面臨的問題。并且它能夠有效挖掘

2、長尾信息，使得有價(jià)值的信息能夠有效傳播和被關(guān)注，具有高度的商業(yè)價(jià)值。
　　傳統(tǒng)的算法多是在一個(gè)維度中分析用戶行為，挖掘興趣。在實(shí)際應(yīng)用中，用戶總是處于多方面的社會(huì)性關(guān)系中，用戶興趣也分布在多個(gè)不同的領(lǐng)域并通過多種網(wǎng)絡(luò)活動(dòng)體現(xiàn)出來，在多個(gè)維度的用戶數(shù)據(jù)中尋找相似用戶更符合實(shí)際情況。一維網(wǎng)絡(luò)的分析適用于特定領(lǐng)域的問題，而分析多維社會(huì)網(wǎng)絡(luò)能夠幫助系統(tǒng)在多種關(guān)系下挖掘用戶的行為和興趣偏好，能全方位更好地描述用戶興趣，更準(zhǔn)確地找到與用戶興趣

3、相似的人，做出更精確的個(gè)性化推薦。因此本算法將結(jié)合用戶在多個(gè)維度的歷史行為記錄綜合得出用戶多維模型和用戶向量空間模型，將用戶多維模型上對(duì)用戶進(jìn)行投影得到用戶投影網(wǎng)絡(luò)，在此基礎(chǔ)上利用適合復(fù)雜網(wǎng)絡(luò)的可以識(shí)別重疊簇的CPM層次聚類方法得到鄰居社團(tuán)，通過引入了IIF因子的皮爾遜公式計(jì)算多維度下的用戶相似度，構(gòu)建用戶相似度矩陣，最后利用預(yù)測(cè)公式得到目標(biāo)用戶對(duì)未評(píng)分項(xiàng)目的預(yù)測(cè)評(píng)分，從而給出推薦結(jié)果。
　　文章詳細(xì)介紹了本文的推薦策略并通過對(duì)比