基于Agent模型的社會推薦系統(tǒng)分析研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，人們在網(wǎng)上購買產(chǎn)品變得越來越便捷，越來越多的網(wǎng)民加入到網(wǎng)購的大軍中。在這個背景下，為了讓用戶更加快捷、準確選到自己中意的產(chǎn)品，個性化推薦系統(tǒng)就顯得尤為重要了。然而，傳統(tǒng)的個性化推薦方法，如基于用戶或者項目的協(xié)同推薦算法，并不顯示用戶的興趣模型，而是通過相似度對比，以此為依據(jù)來進行推薦，這也使得推薦的效果并不突出。鑒于個性化推薦系統(tǒng)低下的推薦效率，社會化推薦系統(tǒng)成為學術(shù)界研究的重點和難點之一。
　　社會推薦

2、系統(tǒng)是建立在用戶之間的社會關(guān)系的基礎上的，并以此構(gòu)建用戶之間的社會關(guān)系網(wǎng)絡。對于一個新的用戶，只要在已知的關(guān)系網(wǎng)絡中，存在一個或多個用戶與之有間接或直接的聯(lián)系，該新用戶就可以加入到該網(wǎng)絡中，并根據(jù)已知的用戶興趣模型，對該新用戶進行推薦。事實證明，隨著人的社會化屬性加深，社會推薦系統(tǒng)的推薦能力會更加強大。
　　本文利用Agent模型來研究社會推薦系統(tǒng)，研究的內(nèi)容和目標為:
　　(1)基于Agent模型構(gòu)建社會網(wǎng)絡。社會推薦系統(tǒng)

3、是建立在社會網(wǎng)絡上來展開的。所以在研究社會推薦系統(tǒng)時，首先要初始化一個社會網(wǎng)絡。由于Agent具有獨立性跟封裝性，因此可以將社會屬性和參數(shù)封裝到Agent之中，然后將單個Agent作為網(wǎng)絡中的一個結(jié)點，構(gòu)建基于Agent的社會網(wǎng)絡模型。在這一部分中，主要有兩部分的工作:Agent模型的設計和構(gòu)建社會網(wǎng)絡。在本文中，根據(jù)消費市場的特征，主要設計了兩類Agent，即生產(chǎn)者Agent和消費者Agent，以及它們的建模過程和內(nèi)在聯(lián)系。在此基礎之

4、上，利用Agent的動態(tài)性和獨立性，初始化一個社會網(wǎng)絡模型。
　　(2)在基于Agent的社會網(wǎng)絡模型的基礎上，利用協(xié)同過濾算法的原理，構(gòu)建基于Agent的社會推薦系統(tǒng)。針對當前推薦系統(tǒng)主要集中在推薦算法的優(yōu)化，單純優(yōu)化推薦響應時間，而忽略推薦的個性化程度，或單純優(yōu)化了推薦效率，卻缺乏普遍性等問題，本文通過Agent模型來研究社會推薦系統(tǒng)，利用Agent的強大的分布計算能力，并設計了TopX算法和Threshold閾值算法，尋找出