基于用户多兴趣和社交网络的个性化推荐研究

《基于用户多兴趣和社交网络的个性化推荐研究》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、基于用户多兴趣和社交网络的个性化推荐研究ResearchonPersonalizedRecommendationUsingMulti-interestModelandSocialNetwork专业：管理科学与工程研究生：周杨指导教师：田津副教授天津大学管理与经济学部二零一五年十一月独创性声明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和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学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

2、文中作了明确的说明并表示了谢意。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天津大学有关保留、使用学位论文的规定。特授权天津大学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，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日中文摘要随着信息技术的发展和经济社会信息化进程的加快，电子商务进入繁荣发展时期。电子商务中的商品规模急剧增加，用户发现满意商品的困难

3、增大，“信息过载”等问题日益严重。个性化推荐技术能够基于用户在网上的行为挖掘用户兴趣，从而主动地向用户推荐其可能感兴趣的商品。准确获取用户的兴趣，是个性化推荐的基础，在推荐系统中发挥着核心作用。用户兴趣一般不是单一的，而是呈现多样化状态。此外，随着社交网络的发展，有不少研究指出用户和其社交好友之间存在相似的兴趣，用户也更加信赖来自社交好友的推荐。如果能够结合社交网络信息，推荐性能可能会得到进一步的提升。本文结合用户多兴趣模型和社交网络相关理论，应用神经网络技术，针对用户兴趣建模展开研究。本文介绍了个性化推荐的原理与技术，综述了个性化推荐的研究现状；提出

4、了一种用户兴趣模型，充分考虑用户的多种兴趣，将其与协同过滤算法进行结合后能够针对用户的不同兴趣分别进行推荐；在多兴趣模型的基础上，结合社交网络信息，引入社交好友兴趣来增强用户兴趣模型；在多个数据集上进行实验验证，实验结果表明本文算法推荐准确性较高、多样性较强，并且在一定程度上能够有效缓解用户冷启动问题。关键词：用户兴趣建模社交网络协同过滤个性化推荐ABSTRACTWiththedevelopmentofinformationtechnology,E-commerceentersahigh-growthera.However,floodedwithhug

5、eamountofproducts,customershavetospendhoursfilteringirrelevantinformationbythemselveswhichisoftencalledas“informationoverload”problem.Therecommendersystemsaredesignedtohandlethisproblembyanalyzingthepreferenceofcustomersandpushingproductsthattheymayliketothem.Tomakepreciserecomm

6、endations,therecommendersystemshouldcaptureusers’variousinterestsandbuildtheuserinterestmodel.Thesystemcanrecommendtherightproductsbasedontheinterestmodel.Besides,itisanotherhottopicofcurrentresearchesthatusingsocialnetworktoenhancetheeffectofrecommendation.Inthisthesis,aliterat

7、urereviewonpersonalizedrecommendationisgivenatfirst.Thenamulti-interestmodelisproposedandcombinedwiththeuser-basedcollaborativefiltering(CF)algorithm.Besides,thesocialnetworkinformationisusedandtheinterestsofsocialfriendsareintroducedtoimprovethemulti-interestmodel.Experimentalr

8、esultsshowthattheproposedalgorithmcanachievehig