面向异质社会网络的个性化推荐方法研究

《面向异质社会网络的个性化推荐方法研究》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、万方数据论文题目：面向异质社会网络的个性化推荐方法研究作者姓名：专业名称：指导教师：论文提交日期：论文答辩日期：授予学位日期：入学时间：研究方向：职称：2Q!垒生垒旦2Q兰垒生鱼旦§旦且盥鱼鳖』盏鲤L术一董用一应一超一扭旦壹簋废墨盐萱万方数据PERSoNALIZEDRECON口MENDATIONRESEARCHFORHETEROGENEOUSSOCL气LNETWORKADissertationsubmittedinfulfdlmentoftherequirementsofthedegreeofⅣ【ASTEROFPⅢLOSoPHYfromS

2、handongUniversityofScienceandTechnologybyLiangZhichaoSupervisor：ProfessorZengQingtianCollegeofInformationScienceandEngineeringApril2014万方数据PERSONAI，IZEDRECOA心嗄ENDATIONRESEARCHFORHETEROGENEOUSSOCIALNETWORKADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofⅣIA

3、STERoF咖LoSoPHYfromShandongUniversityofScienceandTechnologyLiangZhichaoSupervisor：ProfessorZengQingtianCollegeofInformationScienceandEngineeringApril2014万方数据声明本人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和世所公认的文献外，全部是本人在导师指导下的研究成果。该论文资料尚没有呈交于其它任何学术机关作鉴定。AFFIRMATION硕士生签名：日期：Ideclarethatthi

4、sdissertation．submittedinfulfdlmentoftherequirementsfortheawardofMasterofPhilosophyinShandongUniversityofScienceandTechnology,iswhollymyownworkunlessreferencedofacknowledge．Thedocumenthasnotbeensubmittedforqualificationatanyotheracademicinstitute．Signature：Date：万方数据山东科技大学

5、硕士学位论文摘要个性化推荐在社会网络中具有重要的作用，如何向用户推荐更加准确的资源成为各大社交网站的研究重点，同时如何设计更好的推荐算法也是学术界的一个重大研究课题。传统的个性化推荐主要有基于内容的推荐和协同过滤推荐技术。而传统的推荐技术由于没有很好的考虑社会网络中节点之间的关系，因此，无法很好的应用到社会网络推荐中。复杂网络中的链路预测方法中基于路径的指标只是单纯的考虑局部路径和全局路径，并没有考虑这些路径是否具有实际意义，因此，该方法在社会网络的推荐中也没有取得很好的推荐效果。本文针对异质社会网络的个性化推荐做了以下几点工作：(1)构

6、建社会网络拓扑结构，通过网络拓扑结构抽取出所有的链路，然后人工筛选出具有实际意义的链路。使用这些具有实际意义的链路特征来刻画用户的兴趣倾向，比起链路预测中基于路径的方法更具有针对性。(2)将用户的兴趣转化为二类分类问题，我们将用户感兴趣分为+1，不感兴趣分为一1。计算每条抽取出的链路的路径数，将其作为特征向量，建立用户兴趣模型，并且使用SⅥⅥ对模型进行求解。(3)在用户观影数据集上进行实验，通过构造训练集建立用户兴趣模型，使用lib—SVM对模型进行求解，统计最后的推荐准确性，得到了较好的推荐效果，验证了本文提出的方法的有效性。本文提出的

7、社会网络个性化推荐方法取得了较好的推荐效果，对研究社会网络的个性化推荐具有一定的参考价值。关键词：社会网络，个性化推荐，链路特征，SVM万方数据山东科技大学硕士学位论文摘要ABSTRACTPersonalizedrecommendationhasa／1importantroleinsocialnetwork．Howtorecommendbetterresourcestousershasbecomeamoreaccurateresourcemajorresearchforsocialnetworksites，andinacademiahow

8、todesignabetterrecommendationalgorithmhasalsobecomeallimportantresearchtopicCurrently,thetraditi