欢迎来到天天文库
浏览记录
ID:35068411
大小:2.29 MB
页数:65页
时间:2019-03-17
《基于社交网络的推荐算法研究》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、硕士学位论文MASTER’SDISSERTATION论文题目基于社交网络的推荐算法研究作者姓名孙亚彬学科专业计算机科学与技术指导教师张付志教授2016年5月中图分类号:TP393学校代码:10216UDC:621.3密级:公开工学硕士学位论文基于社交网络的推荐算法研究硕士研究生:孙亚彬导师:张付志教授申请学位:工学硕士学科专业:计算机科学与技术所在单位:信息科学与工程学院答辩日期:2016年5月授予学位单位:燕山大学ADissertationinComputerScienceandTechnologyRESEARCHO
2、NRECOMMENDATIONALGORITHMBASEDONSOCIALNETWORKbySunYabinSupervisor:ZhangFuzhiYanshanUniversityMay,2016燕山大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《基于社交网络的推荐算法研究》,是本人在导师指导下,在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由
3、本人承担。作者签字:日期:年月日摘要摘要推荐系统是信息过滤领域一项重要的技术。随着电子商务的发展,网络中新增的用户和项目越来越多。面对如此庞大的项目群,用户往往只对很少一部分项目进行评分,更多的项目通常是没有评分的,所以评分数据的稀疏问题变得日益严重。在评分稀疏的情况下,推荐算法的推荐精度是比较低的。随着社交网络的兴起,人们发现在推荐系统中并入信任信息可以提高推荐算法的推荐精度,而且基于社交网络的推荐也更符合现实情况。但社交网络中的信任信息同样面临着稀疏问题。本文就是针对如何缓解数据稀疏性,提高算法的推荐精度展开研究的
4、。首先,针对评分稀疏情况下推荐算法预测精度较低的问题,提出一种融合加权信任的概率矩阵分解算法。采用一种改进的Jaccard相似性计算方法计算信任用户之间的相似值,将其作为权重因子给原始的信任评分加权,从而得到一个加权信任;构造融合了加权信任的基准偏移、用户特征矩阵上的和用户项目评分上的条件分布;构造扩展的概率矩阵分解模型;通过调整因子控制信任信息在推荐过程中的比重。其次,针对社交网络中信任数据稀疏的问题,提出一种融合相似性和填充信任矩阵的协同推荐算法。首先,基于原始的信任矩阵计算信任用户的相似用户集,接着度量信任用户之
5、间的信任程度,依照信任传递的原理预测新的信任评分,用新的信任评分填充原始的信任矩阵;采用改进的Jaccard方法得到目标用户的邻居集合;最后,基于目标用户的信任用户和邻居用户共同为目标用户做推荐。最后,根据模型设计推荐算法。在Epinions数据集上做实验,将本文提出的推荐算法与其他相关算法进行分析比对。关键词:推荐系统;概率矩阵分解;社会信任;相似性;基准偏移;信任传递-I-AbstractAbstractRecommendersystemisanimportanttechnologyinthefieldofinfo
6、rmationfiltering.Withthedevelopmentofe-commerce,moreandmoreusersanditemsaddtothenetwork.Facedwithsuchalargegroupofitems,usersusuallygiveratingstoasmallpartofitems,andmoreitemshavenoratingsusually,sothedatasparsitywillbecomeseriousincreasingly.Inthiscondition,the
7、recommendationaccuracyofrecommendationalgorithmisrelativelylow.Withtheappearanceofsocialnetworks,peoplefindthatincorporatingtrustinformationintotherecommendersystemcanimprovetherecommendationaccuracy,andrecommendersystemsbasedonsocialnetworkaremorerealistic.Butt
8、hesocialnetworkinformationisalsosparse.Thispaperaimstoalleviatethedatasparsityandimprovetheaccuracyofrecommendersystem.Firstly,tosolvetheproblemoflowpredictaccuracy,w
此文档下载收益归作者所有