融合社會關系的資源推薦方法研究.pdf

1、隨著Internet的發(fā)展,網(wǎng)站在為用戶提供越來越多信息的同時,其結(jié)構(gòu)也變得更加復雜,如何及時地在網(wǎng)絡上的海量信息中發(fā)現(xiàn)所需要的信息已經(jīng)變得越來越困難。用戶經(jīng)常會迷失在Web提供的大量信息中;同時,符合某部分用戶需求的Web也失去了與有價值用戶的聯(lián)系。因此,資源推薦系統(tǒng)的地位在Web2.0時代顯得尤為重要。
　　傳統(tǒng)的資源推薦系統(tǒng)以協(xié)同濾波為核心技術,已經(jīng)受到了研究界的廣泛關注。其中,傳統(tǒng)的協(xié)同過濾技術是基于鄰域假設或者直接依賴于

2、一個學習模型。資源推薦可被視為一個矩陣完成過程,進而能夠被制定為一個半正定規(guī)劃。需要指出的是傳統(tǒng)的資源推薦方法都是建立在一個基本假設之上,即用戶之間是獨立的并且忽略不同用戶之間的社會關聯(lián)。
　　為了解決這一問題,若干糾正方案已被提出,其核心就是將社會關系信息融入資源推薦系統(tǒng)。即從傳統(tǒng)的資源推薦向融合了社會關系的社會推薦過渡。最初的社會推薦方法引入了一個系統(tǒng)的概率矩陣分解方法以充分考慮用戶興趣,該方法顯示了其在大量資料項遺失的大規(guī)模

3、數(shù)據(jù)集上的高標準性能水平。但是其不足之處在于,將社會信息直接融入用戶‐物品矩陣增加了優(yōu)化過程中的計算消耗,尤其是當數(shù)據(jù)集有大量用戶‐信任關聯(lián)的時候。
　　當前,更高級的社會推薦方法的研究已經(jīng)成為了研究領域的熱點問題之一。與現(xiàn)有研究成果不同的是,本文使用的方法基于一個具有低計算復雜度特性的擴展拉格朗日方法,構(gòu)造相應的半正定規(guī)劃優(yōu)化問題以平衡矩陣分解方法的性能。該方案的核心在于利用graphLaplacian明確用戶間的社會關系,并尋