社交网络推荐系统

《社交网络推荐系统》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、社交网络推荐系统　　摘要：社交网络之“热”让人们对它的研究也越来越深入，推荐系统是现今社交网络的重要组成部分，通过网站推荐操作也能够更好地提高商业效益，因此也成为人们研究社交网络的重点。而推荐系统作为一种应用程序，程序的完成都需要有推荐算法作支撑。该文详细介绍各类有关的推荐算法，其主要目的是为了能够对社交网络推荐系统的推荐机制有更加深入的认识，并能够掌握和应用其中的一些推荐算法。　　论文从对社交网络的介绍开始，通过详细对各个算法阐述，能够对社交网络的推荐机制有更好的理解。　　关键词：社交网络；推荐算法；数据挖掘　　中图分类号：TP393文献标识码：A文章编号：100

2、9-3044（2016）27-0250-03　　1社交网络现状　　网络作为21世纪人们互动的平台，给予人类另外一个包含大量资源的世界。人们可以方便快捷地获取所要的资源。早期的社交网络，主要是指web1.0的社区，主要是由论坛，聊天室等形式组成，这一时期的社交网络系统单一，规模也不大。出现web2.0社区之后，逐渐出现了社交网站，社交网站拥有web2.0的特点，并且希望能够为用户提供一种类似真是社会交流的网络服务平台。9　　社交网络如今已经拥有着成千上百万个用户，并且占据着一些用户生活的不小的一部分。在美国Facebook被很多民众使用，在日本，Mixi被人们熟知，在

3、中国，新浪微博，腾讯qq，微信等几乎被所有网民知晓。　　社交网络使得网络与人的关系更加紧密，但同时也产生了大量的数据，这些数据的产生不仅给互联网公司造成了烦恼，更使得用户面对海量的数据信息不知作何选择。现今的社交网络，通过分析用户的行为为用户选择他们所感兴趣的资源，从而有效地保持网站用户量并且获得更多的用户，能够促进产品的开发以及企业更好的运营，让公司更好的发展。因此我们需要一种或多种有效的推荐算法来更好地更为准确地达到这种效果。　　2社交网络推荐系统概念　　2.1社交网络　　SNS是socialnetworkservice的缩写，翻译为社会性网络服务，是为了帮助人

4、们建立一种全球化社会化的网络服务，SNS网站就是运用这一社会性网络服务的社交网站。社交网络即socialnetwork就是由这类网站建立起来的网络。　　2003年，在线社交网络首次被提出，但是2006年才开始出现SNS比较完整的定义。　　社交网络的核心在于用户之间的联系，其理论主要源于“六度分隔理论”。　　该理论阐述，任何两个陌生人之间可以通过六个人就可以有所联系，通过这一理论，任何人的社交网络圈子都会继续扩张，形成一个关联全部人员的“社会化网络”。　　2.2推荐系统9　　推荐系统最初的研究是在其他领域中，例如认知科学，信息检索等。由于互联网以及电子商务的快速发展，

5、推荐系统逐渐成为互联网领域中的重要研究对象。　　推荐系统是利用一些可行的推荐方法向用户推荐候选对象的一种系统。用户可以主动向推荐系统提供他们的偏好或者请求，或者通过推荐系统来发现用户的隐式需求，由推荐系统来采集用户的偏好，然后将推荐信息给用户使用。推荐系统的模型图如图1所示：　　推荐系统形式定义为：设S是所有要研究的用户对象集合，C是所有能够被推荐给该用户的那些对象的集合。C中的特定对象c相对于用户s的推荐度大小我们用函数f（）表示，其中f：S*C→R，R是一定范围中的非负数，那么我们的推荐问题就是寻找能够使得R最大的对象，如式（1）：　　推荐系统中偏好获取的方式有

6、如下两点：　　显式获取：　　通过网络中的问卷调查等相关反馈，让用户选取自己的喜好对象，从调研中发现用户的偏好行为。然而这一获取方式并非十分有效，因为大多数用户会由于各种原因而不会积极参与到调研之中，从而使得数据的准确性收到干扰。显示获取中主要要求用户对各种对象进行评分或评论，最好能够提出自己的建议。　　隐式获取：9　　隐式获取不需要用户的主动参与，通过用户以往的行为来判断用户将来可能的操作，这一获取方式能够更好地得出结果，一般来说，隐式获取主要研究用户的浏览记录或者反复性的行为操作等。本研究中将用到的获取用户偏好的方法就是隐式获取的方式。　　3推荐系统算法　　推荐系

7、统算法，即通过分析已有对象的行为或者属性，利用一些数学上的算法来得出更可能满足该对象需求或者与该对象更加相似的对象。此类算法很多，不同的算法分析多种多样，得到的结果也不尽相同，以下简单介绍一些相关的算法。　　3.1协同过滤算法　　协同过滤算法被人们研究的比较深入，此算法也经常被应用到推荐系统中，协同过滤算法通过分析用户兴趣，在用户中找到与目标用户有相似兴趣的用户，通过这些用户对某一信息的相似评价来达到对这一信息的预测。此类算法可以细分为以下几种：　　3.1.1基于用户相似算法（usersimilarity）　　基于用户相似算法的目的是为了通过对很多其他用户的喜好