基于用戶多維社交網(wǎng)絡(luò)模型的推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，人們的生活已離不開互聯(lián)網(wǎng)，在享受著互聯(lián)網(wǎng)普及帶來的種種益處的同時，信息過載等問題也日趨嚴重。當快速而準確地找到令人滿意的商品逐漸變?yōu)橐环N奢求時，個性化推薦系統(tǒng)應(yīng)運而生了，它能在與用戶的交互過程中，通過研究用戶的歷史瀏覽記錄等信息，獲取其興趣偏好，從海量信息中搜尋用戶感興趣的信息并主動推薦給用戶，從而滿足用戶對信息的多元化和個性化需求。
　　推薦系統(tǒng)的出現(xiàn)，能很好地解決上述互聯(lián)網(wǎng)所面臨的問題。并且它能夠有效挖掘

2、長尾信息，使得有價值的信息能夠有效傳播和被關(guān)注，具有高度的商業(yè)價值。
　　傳統(tǒng)的算法多是在一個維度中分析用戶行為，挖掘興趣。在實際應(yīng)用中，用戶總是處于多方面的社會性關(guān)系中，用戶興趣也分布在多個不同的領(lǐng)域并通過多種網(wǎng)絡(luò)活動體現(xiàn)出來，在多個維度的用戶數(shù)據(jù)中尋找相似用戶更符合實際情況。一維網(wǎng)絡(luò)的分析適用于特定領(lǐng)域的問題，而分析多維社會網(wǎng)絡(luò)能夠幫助系統(tǒng)在多種關(guān)系下挖掘用戶的行為和興趣偏好，能全方位更好地描述用戶興趣，更準確地找到與用戶興趣

3、相似的人，做出更精確的個性化推薦。因此本算法將結(jié)合用戶在多個維度的歷史行為記錄綜合得出用戶多維模型和用戶向量空間模型，將用戶多維模型上對用戶進行投影得到用戶投影網(wǎng)絡(luò)，在此基礎(chǔ)上利用適合復(fù)雜網(wǎng)絡(luò)的可以識別重疊簇的CPM層次聚類方法得到鄰居社團，通過引入了IIF因子的皮爾遜公式計算多維度下的用戶相似度，構(gòu)建用戶相似度矩陣，最后利用預(yù)測公式得到目標用戶對未評分項目的預(yù)測評分，從而給出推薦結(jié)果。
　　文章詳細介紹了本文的推薦策略并通過對比