学海网

基于朋友关系的交叉领域推荐算法，硕士学位论文，正文共64页，32560字。
摘要
推荐系统被认为是信息时代解决信息过载的有效方案。个性化推荐不仅在电子商务领域取得了重大的成功，带来了巨大的价值，同时在社交、科研、信息技术等多个方面具有重要的意义。近年来推荐技术发展迅速，但仍有两个关键的难题没有解决：数据稀疏问题和冷启动问题。
交叉推荐系统是解决这两个问题的有效途径。基本思想是利用其他领域的知识和数据作为辅助，通过某种关联规则将其应用到目标领域当中。然而，大多数现有的交叉推荐算法只考虑在有共同评分的领域之间进行。本文提出的基于朋友关系的交叉领域推荐算法，将好友关系引入到交叉推荐的过程中，使得算法可以应用在没有共同评分的领域之间。
本文使用朋友关系网络解决没有共同评分领域之间的关联问题。在目标领域中选择被推荐者的好友作为推荐的最近邻用户，开展基于用户的协同过滤推荐。最近邻用户列表的生成和相似度计算是本算法的关键所在。首先，我们提出了利用直接好友进行评分预测的方案，认为好友与用户具有相同的评分习惯，相似度取值为一。其次，我们使用PageRank算法对相似兴趣好友的选择进行了优化，选择结果不局限在直接的好友关系上，将每个结点的PageRank值作为好友与用户的相似度进行评分预测。最后，我们以上述两种方案作为基础对比算法，考虑了两个结点之间共同好友数目、共同领域数目、结点自身领域数目和跨领域权重四个因素，对随机游走的转移矩阵进行优化，使得朋友关系的游走更具有倾向性，从而使得相似用户的选择更为精准。
我们将共同好友因素和跨领域权重因素相结合，作为一种优化方案，除此之外，我们利用用户相似度作为游走导向，作为最终的交叉推荐解决方案。通过对比实验证明了本文所提算法的优越性。该算法突破了传统交叉推荐算法对交叉领域的限制，是对交叉推荐的一次新的尝试。
关键词：推荐系统；交叉领域；链路预测；随机游走；朋友关系

目 录
摘 要 I
Abstract II
1 绪论 1
11 研究背景和意义 1
12 国内外研究现状 3
121 推荐技术的发展 3
122 交叉推荐技术 3
13 本文研究工作 4
131 本文研究主要内容 4
132 本文工作特色 5
14 本文组织结构 5
15 本章小结 6
2 推荐系统的发展 7
21 推荐系统概述 7
211 协同过滤推荐 7
212 基于内容的推荐 11
213 基于知识的推荐 11
214 混合推荐方法 13
22 交叉领域推荐技术 14
23 本章小结 16
3 基于朋友关系的交叉领域推荐算法 17
31 问题描述和抽象 17
311 朋友关系的抽象 17
312 问题描述 18
32 朋友关系预测方法 19
321 PageRank基本原理 19
322 带有导向性的朋友关系计算 21
33 基于朋友关系游走导向的随机游走算法 22
331 基于朋友关系的交叉领域推荐算法概述 22
332 基于直接好友关系的物品评分预测 24
333 基于PageRank随机游走的朋友关系预测 25
334 共同好友数目的导向性 26
335 结点兴趣领域数目的导向性 28
336 好友间共同兴趣领域数目的导向性 31
337 链接强化跨领域权重的导向性 32
338 跨领域权重与共同好友相结合的导向性 36
339 用户相似度导向性 39
34 本章小结 41
4 算法评估 42
41 推荐系统评价体系 42
42 实验数据集和仿真工具 43
421 仿真工具 43
422 实验数据集 43
43 实验方案和结果 45
431 评估实验设计 45
432 实验结果与分析 48
433 实验总结 51
44 本章小结 53
结 论 54
参 考 文 献 56
致 谢 59
大连理工大学学位论文版权使用授权书 60