基于好友關(guān)系分析的資源推薦算法及應(yīng)用研究.pdf

1、隨著Web2.0時代的到來，在互聯(lián)網(wǎng)逐漸普及走進千家萬戶的同時，社交網(wǎng)絡(luò)也成為人們傳遞信息、表達情感的一個平臺，同時也成為信息傳播的一種方式。然而社交網(wǎng)絡(luò)上充斥的各種信息使得人們無所適從，反而造成獲取有用資源愈發(fā)困難。因此，如何在社交網(wǎng)絡(luò)中更好為用戶推薦用戶需要的物品和信息成為研究的方向和熱點。針對這個熱點問題，很多的研究者們都提出了自己的觀點，本文在總結(jié)前人觀點的基礎(chǔ)上，提出一種新的推薦算法來提高推薦效果，達到目標用戶的滿意度。

2、>　　首先，基于社交網(wǎng)絡(luò)的特性獲取用戶在社交網(wǎng)絡(luò)中兩個重要數(shù)據(jù)——用戶的好友關(guān)系和用戶的歷史行為。其次，在深入分析了協(xié)同過濾算法后，提出了用戶相似度S這一好友關(guān)系模型;基于用戶在社交網(wǎng)絡(luò)中對不同好友有不同的偏向，提出了用戶信任度T這一好友關(guān)系模型;基于不同用戶在社交網(wǎng)絡(luò)中所處的位置不同，因而其重要性和影響力不同，提出了用戶信譽度R這一好友關(guān)系模型，由于三種好友關(guān)系模型在不同層面對推薦結(jié)果造成影響，根據(jù)三種好友關(guān)系模型的不同權(quán)重給推薦效果

3、帶來的不同變化選取最優(yōu)推薦效果時的加權(quán)求和組合構(gòu)建新的推薦信任度好友關(guān)系模型;再次，通過推薦信任度的大小來決定目標用戶的信任用戶集合。然后，由推薦信任度和信任用戶集中用戶對某物品的評分來預(yù)測最終目標用戶對該物品的評分，根據(jù)評分生成推薦結(jié)果。最后，以該推薦算法為核心技術(shù)設(shè)計并實現(xiàn)了C語言微視頻推薦系統(tǒng)。此外，本論文選取了準確率和召回率作為對該推薦算法的評價指標，實驗證明，該推薦算法具有較高的準確率。
　　本論文提出的推薦算法不僅適用