社交网络个性化推荐技术研究

《社交网络个性化推荐技术研究》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、TP393公开分类号：____________密级：______________ＵＤＣ：____________单位代码：______________11646支持服务关联的Web服务选择技术硕士学位论文研究论文题目：社交网络个性化推荐技术研究何静学号：_________________________1111082089姓名：_________________________何静专业名称：_________________________计算机应用技术学院：_________________________信息科

2、学与工程学院指导教师：_________________________潘善亮宁波大学论文提交日期：2014年4月15日万方数据TP311公开分类号：____________密级：______________ＵＤＣ：_________单位代码11：6______________46硕士学位论文论文题目：社交网络个性化推荐技术研究1111082089学号：_________________________姓名：_________________________何静计算机应用技术专业名称：_______________

3、__________信息科学与工程学院学院：_________________________潘善亮指导教师：__________________________________________________论文提交日期：2014年4月15日万方数据AThesisSubmittedtoNingboUniversityfortheMaster’sDegreeResearchonSocialNetworkingPersonalizedRecommendationTechnologyCandidate：HeJingSu

4、pervisors：(Associate)ProfessorPanShanLiangFacultyofInformationScienceandEngineeringNingboUniversityNingbo315211，ZhejiangP.R.CHINADate:April15,2014万方数据宁波大学硕士学位论文独创性声明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知，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的研究成果，也不包含为获得宁波大学或

5、其他教育机构的学位或证书所使用过的材料。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做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。签名：___________日期：____________关于论文使用授权的声明本人完全了解宁波大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵循此规定）签名：___________导师签名：___________日期

6、：____________III万方数据社交网络个性化推荐技术研究社交网络个性化推荐技术研究摘要Web2．0技术将世界带入了一个社交网络时代，社交网络如中国的新浪微博，Facebook，MySpace，Twitter等都已经成为极具影响力的平台。SNS（SocialNetworkingServices）结合了用户群和信息，不仅使用户可以方便快捷地获取和分享信息的，而且也拓展了用户的社交范围，增加了用户的社交圈子。社交网络中的大部分信息都是沿着用户的好友关系传播的，所以好友关系已经成为社交网站的重要构成模块。利用社交

7、网络，用户建立起与线下好友关系相对的线上关系的基础上，开始慢慢产生单纯的线上好友关系，这种单纯的线上好友关系很大程度上弥补了现代人的情感空虚。潜在好友推荐功能能够帮助用户更加快速的建立起良好的社交网络好友关系圈子，使其更快速融入社交网络的信息服务当中，是一种十分实用且流行的社交网络服务。当前存在许多社交网络个性化推荐算法，但大部分都是依据社交网络拓扑结构或者是用户个人注册文件信息等来设计的，不具备时效性。为改善上述不足，本文在普通协同过滤算法诸多方面提出相应改进的基础上，设计了一种较新颖的推荐方法来为用户生成个性化

8、推荐列表。算法采用了基于遗传算法的用户兴趣圈子软化分，改进了用户相似度计算方法，提供了一种适应用户兴趣变化和基于双边兴趣推荐的算法。对于刚加入社交网络的新用户，由于在社交网上尚未有任何社交记录系统无法为其产生个性化好友推荐，本文设计了基于兴趣圈子专家推荐的方法来解决该问题。本文算法首先利用GooglePageRank算法计算出某个兴趣圈子内各用户的“权威性”