基于社会网络主动信息推送算法的研究

《基于社会网络主动信息推送算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、杭州师范大学研究生学位论文独创性声明lIDIIIIIIIIIIIDIIIIIII!HIIIIIIIlY2132206本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得量幽堙整盘堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解揎趔竖莲盘堂有权保留并向国家有关部门或机构送交本论文的复印件和

2、磁盘，允许论文被查阅和借阅。本人授权蕴趔竖整盘鲎可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：鼢签名旁臣以签字日期：年月日签字日期：年月日致谢本文是对过去的三年时间里在杭州师范大学杭州国际服务工程学院(信息科学与工程学院)智能多媒体技术实验室研究工作的总结。本文的完成得到了211重点工程项目“大学数字图书馆(CADAL)”(No．201003010)的支持。同时，本文的完成离不开实验室的老师、同学、朋友及亲人的支持和帮助。感谢我的

3、导师袁贞明老师，在他的带领下实验室呈现一片积极向上的科研氛围。三年来，袁老师在学业上对我进行了悉心的指导，并将其在学术科研方面的心得和经验传授给我。袁老师一直关注研究的相关发展，还为我提出了很多宝贵的意见。袁老师的言传身教使我在科研能力和自学能力上都得到了很大的提高，并养成了良好的科研习惯和思维方式。他勤恳的工作作风、严谨的治学态度以及平易近人的长者风范对我影响至深，并将使我受益终身。感谢学院里所有的老师。在实验室的这些时间里，感谢你们生活上给予了很多的帮助。此外作为我们研究生辅导员的钱荆剡老师，钱老师关注我们研究生的每个人的思想和生活，使得我们一直保

4、持积极乐观的生活态度和工作态度。感谢实验室的王金荣老师，张量老师，他们努力学习认真科研的精神带动着我们实验室的整个科研氛围，并且为我们的科研工作做了重要的指导。感谢戴飞、陆海军、韩冰、魏天字、蔡哲军和徐莹莹等同学，他们不仅在工作给了我很大帮助和支持，而且陪伴我一起度过了在智能多媒体技术实验室难忘的研究生阶段，这些日子将成为以后最美好的回忆。感谢我的父母和弟弟，这么多年一直无条件地支持着我，使得我不管遇到什么困难和挫折都有继续走下去而不放弃的勇气。他们用自己的毕生精力为我打造了无忧的生活，使我能够专心完成学业。摘要随着Web2．0技术的发展，互联网在人们

5、生活中扮演着越来越重要的角色，电子商务的普及和完善大大改变了人们的生活习惯。然而由于网络的飞速发展导致了信息量的膨胀，如何给用户提供有用的信息成为了一个研究热点，推荐系统也应运而生。基于内容的推荐系统利用物品本身的特征形成推荐，然而特征的表示有很大的语义鸿沟。协同过滤推荐系统利用用户的行为和兴趣分析用户间的相似度，综合考虑这些相似用户对于物品的评价来形成对原用户的推荐信息，然而由于现实应用中用户数据的稀疏性导致了相似度计算不准确和协同推荐系统的冷启动问题从而使得推荐结果也不够理想。如何解决语义鸿沟、数据稀疏性带来的问题和系统的冷启动问题成为了推荐算法研

6、究的热点和重点。近年来，随着Twitter，Douban，Facebook等社区产品的发展和流行，网络中的用户可以用标签标注自己感兴趣的物品，用户之间也因为一些交互行为形成了丰富的关系。这些由交互行为形成的联系不仅反应了用户个人的兴趣爱好，也蕴含着用户与用户之间的关系。如何通过挖掘社会网络，语义标注等上下文的信息来协助推荐，从而达到改善推荐结果的目的，成为主动信息推送算法的新思路。本文的主要工作如下：1．为了解决协同过滤算法同冷启动问题，本文提出一种基于社区划分和协同标注的协同过滤算法，算法首先使用社区划分算法对用户所在的社会网络进行划分，提取出各个网

7、络社区；然后通过构建基于用户、物品、标签的三部图模型来计算产生目标用户的候选标签集，最后利用三部图模型中的用户．物品模型和物品一标签模型来产生对用户的推荐。本文提出的算法基于社区划分和社会化标签，能很好地解决语义鸿沟的问题和协同过滤的冷启动问题。2．为了提高推荐系统的准确度，本文提出一种基于社会标注和动态兴趣建模的协同过滤算法。传统的协同过滤计算用户或物品间的相似度时，未考虑用户兴趣的转移，直接计算用户或物品的特征，从而降低了推荐系统的准确率。本文提出基于社会标注和动态兴趣建模的协同过滤算法，使用艾宾浩斯遗忘曲线重构用户一标签模型；通过社区划分提取出目

8、标用户的候选标签集，最后利用三部图II模型产生对用户的推荐。3．在以上算法研究的基础上，实现了