一種基于社交網(wǎng)絡(luò)的協(xié)同過濾推薦算法研究.pdf

1、隨著大數(shù)據(jù)時代的到來及互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)信息呈現(xiàn)爆炸式的增長，人們在輕易獲取信息的同時卻難以精確的獲取自己感興趣的信息內(nèi)容，信息過載問題變得日益嚴重，為解決信息過載問題，不少科學(xué)家和工程師提出過多種方法，以協(xié)同過濾為代表的個性化推薦技術(shù)是解決信息過載的重要技術(shù)，并已廣泛應(yīng)用于多領(lǐng)域。但協(xié)同過濾存在稀疏性問題、可擴展性問題和冷啟動問題等。本文在深入分析國內(nèi)外推薦算法研究的基礎(chǔ)上，重點對協(xié)同過濾推薦技術(shù)進行了研究，設(shè)計了兩種算法來

2、解決協(xié)同過濾算法存在的一些問題。
　　首先，針對基于用戶的協(xié)同過濾推薦算法，分析算法在相似度計算存在的一些問題，設(shè)計了一種在相似度計算中加入用戶共同評分數(shù)調(diào)節(jié)因子和項目冷熱門調(diào)節(jié)因子的協(xié)同過濾推薦算法即 AD-UBCF(Advance User-based Collaborative Filtering)算法。項目冷熱門調(diào)節(jié)因子是針對項目本身屬性的調(diào)節(jié)，熱門項目讓其在相似度計算中的權(quán)重降低，冷門項目讓其在相似度計算中的權(quán)重升高。用

3、戶共同評分數(shù)是針對用戶間相似度計算的調(diào)節(jié)因子，用戶共同評分越多，調(diào)節(jié)因子的值越大，共同評分的值越少，調(diào)節(jié)因子的值越小。最后通過實驗驗證了加入這兩個調(diào)節(jié)因子能夠有效地提高推薦的準確度。
　　其次，由于社交網(wǎng)站的興起，傳統(tǒng)的協(xié)同過濾沒有考慮社交因素對推薦結(jié)果的影響，有效的利用社交網(wǎng)絡(luò)關(guān)系不僅能夠提高推薦質(zhì)量還能提高用戶體驗，用戶的社交好友關(guān)系在一定程度上反映了他們在興趣愛好上的相似，在社交網(wǎng)絡(luò)關(guān)系中聯(lián)系越緊密的人其興趣相似的概率也越高

4、。本文在傳統(tǒng)基于用戶協(xié)同過濾基礎(chǔ)上，設(shè)計了一種在相似度計算中加入用戶重要度融合社交網(wǎng)絡(luò)關(guān)系的推薦算法即 SC-UBCF(Social User-based Collaborative Filtering)算法，用戶的重要度是根據(jù)用戶的社交關(guān)系計算出來的，通過用戶的社交網(wǎng)絡(luò)好友信息提高相似度計算的準確性，從而提高推薦質(zhì)量。
　　最后，本文使用百度電影數(shù)據(jù)集設(shè)計了三組實驗對算法進行驗證。第一組實驗確定了用戶共同評分數(shù)調(diào)節(jié)因子中參數(shù)最佳