論如何利用挖掘社交資訊來改進推薦系統(tǒng).pdf

1、隨著電子商務及移動商務的發(fā)展，推薦系統(tǒng)在研究領域和實踐領域都顯得越來越重要。傳統(tǒng)的推薦系統(tǒng)研究者利用用戶的打分列表作為推薦的基礎，而忽略了能夠影響用戶偏好的其他因素。然而，實際上用戶偏好以及他們的購買決策同時取決于他們自身的經驗以及社交信息。以前也有推薦系統(tǒng)研究者在推斷用戶偏好和打分的時候考慮了社交信息，但是他們只集中在用戶的行為（這會帶來用戶隱私問題）或利用用戶之間的距離去計算用戶之間的影響力。此項研究著重考察如何充分利用社交信息做更

2、為精準的推薦服務。社交信息指的是從社交環(huán)境中獲取的信息，不僅包括從親密的朋友處得來的信息，也包括從大眾點評中所獲取的信息。根據從社會學，行為學以及推薦系統(tǒng)的研究成果所獲得的理論基礎，我們提出三種新型的推薦系統(tǒng)方法。在此項研究中的實驗比較了現(xiàn)存的推薦方法（包括傳統(tǒng)經典推薦算法，近期經典推薦算法以及以前的社交推薦算法），和此研究中所提出的三種新型推薦算法（包括考慮到從用戶朋友網絡中挖掘出的社交信息的推薦算法，考慮到從大眾點評中挖掘出的社交信

3、息的推薦算法，以及考慮到從用戶朋友網絡和大眾點評中挖掘出的社交信息的推薦算法）的推薦準確性。實驗結果表明此項研究中新提出的三項推薦算法能夠比之前的推薦算法在準確性，覆蓋率以及F-measure等指標中都有更好的表現(xiàn)。特別是當用戶沒有提供任何打分的情境下，此三種推薦算法是不可取代的，因為其它現(xiàn)存的推薦方法在這種情境下是完全無法工作的。我們也發(fā)現(xiàn)從用戶朋友網絡挖掘社交信息比從大眾點評挖掘社交信息更能幫助推薦系統(tǒng)準確的預測用戶偏好和用戶打分。