一种面向社交网络的资源服务推送方法分析与研究.pdf

《一种面向社交网络的资源服务推送方法分析与研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第14卷第26期2014年9月科学技术与工程Vo114No．26Sep．20141671—1815f2014)26．0273．05ScienceTechnologyandEngineering⑥2014Sci．Tech．Engrg．一种面向社交网络的资源服务推送方法分析与研究熊李艳陈江华黄卫春钟茂生(华东交通大学信息工程学院，南昌330013)摘要传统的基于协同过滤推荐、内容推荐等技术在资源服务推荐中虽然得到了广泛地应用，但这些方法针对矩阵稀疏、冷启动等问题，在一定程度上还是未能有效地解决，以致推荐效果不是很理想。根据用户社交网络中关系，把用户之间的相似关系和信任因关系

2、作为构建服务推荐目标用户列表的计算因子，从而对网络资源服务向目标用户做出有效而精确地推荐。通过实验分析，这种方法在面向社交网络平台上的资源服务推荐有着明显的优越性。关键词社交网络服务推送推荐方法相似关系信任关系中图法分类号TP391．1；文献标志码A随着国内外社交网络迅猛发展，尤其像Face．基于内容推荐、协同过滤推荐、混合推荐(结合前两book、Twitter、新浪微博用户的数量空前暴涨，在如种推荐技术)。其中协同过滤推荐技术在目前推荐此庞大的社交网络中各个用户之间都能够直接或间技术中的应用是比较成功、广泛的一种技术j。协接的连接成一个错综复杂的社会关系网络，任何一同

3、过滤推荐技术是在“当前用户喜欢其相似用户喜个人都是置身于一个或者多个相似群落当中，如此欢的项目”的这一假设的前提下，通过对相似用户一来可以考虑将用户的社交关系结合到服务推荐技对某一项目的评价来预测当前目标用户的评价情术中J，从而为每个用户提供有效的服务资源推况。以上这几种推荐技术中都存在数据稀疏]荐。国内最大的社交网络平台新浪微博，自2009年和冷启动的问题。传统的协同推荐技术中，由于推出以来，以迅猛的发展速度独占国内几大社交网用户对项目评分数据的稀疏性，仅把用户的相似度络平台鳌头，目前新浪微博注册用户已经超过5亿。作为依据来选取推荐的目标用户，这对推荐的精确在这样一个

4、庞大的网络平台中，每一个用户都可以性是难以保证的。针对这些问题国内外一些学者做根据其掌握的社交关系来给周围的圈子推荐自己喜出了相关研究，黄创光等提出了基于动态邻居的欢资讯，话题，产品等等网络服务资源。然而，如何协同推荐技术。贾冬艳和张付志提出了一种基利用社交网络分析，通过构建社交关系网络来给可于双重邻居选取策略的协同过滤推荐算法，通过计能感兴趣的用户推荐服务；并且不造成信息泛滥或算邻居的相似性和邻居用户之间信任度来进行对项乏味广告的尴尬局面，是一项意义深远的研究。本目的协同过滤推荐。冯勇等提出了一种基于社文将试图通过分析新浪微博中的用户之间关系，根会网络分析的协同推荐方

5、法的改进算法，给社会网据用户的好友分组与粉丝列表等数据来获取目标用络中的人物关系(如：家属，亲人，朋友，同学等关户集合，进而做服务推荐。系)设定一个信任权值，然后根据计算信任度来进1相关工作行推荐。杨微¨提出了基于社会网络社团发现的协同推荐方法，通过网络用户进行社团划分来进行目前常用服务推荐技术中，主要分为三类：推荐。邢星在社交网络个性化推荐方法研究中通过社交网络中的用户关系(关注，粉丝等关系)分2014年4月9日收到国家自然科学基金项目(61363072)、教育部人文社科基金(11YJC740157，09YJC740027)、析和对用户兴趣的预测估算，来获得目标用户的

6、推江西省自然科学基金(20114BAB201027)资助荐列表。以上这几中方法对传统协同过滤推荐技术第一作者简介：熊李艳(1968一)，女，教授，硕士。研究方向：数据库中存在的稀疏性问题都有非常好的改进，并且通过技术，计算机决策支持系统。社会网络关系的引进，使得服务推荐的精确性有了通信作者简介：陈江华(1988一)，男，硕士研究生。研究方向：数据一定的提高。社会网络分析(socialnetworkanaly—库技术，计算机决策支持系统。Email：hhxx1314520@126．tom。sis，SNA)主要是研究社会网络中行动者之间的关274科学技术与工程14卷系¨。’

7、]，本文则侧重研究社交网络中用户好友分组分的宽严尺寸不一，导致对同一项目的评分的差异(如朋友，同学，同事等组别)之问的相似关系和信性较大，如果采用余弦相似性来计算，很可能导致计任关系，将用户之间的相似关系和信任关系结合起算结果与显示差别较大。Person系数相似性计算，来，预测目标用户对须要被推荐的项目评分，对比各一方面要考虑用户样本的相关系数，另一方面，还需个用户对项目的预测评分，获得给出评分较高的那考虑两个变量的总体分布是否为正态分布或接近正一部分用户列表，最后将这些用户作为推荐该项目态分单峰分布，并且两个变量的标准差都不能为零。的目