資源描述：
《基于全局信息的推薦算法及其在社交網(wǎng)絡(luò)中的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文MASTER’SDISSERTATION論文題目基于全局信息的推薦算法及其在社交網(wǎng)絡(luò)中的應(yīng)用作者姓名孔秀梅學(xué)位類別工程碩士指導(dǎo)教師賈彥國教授2016年5月中圖分類號：TP301.6學(xué)校代碼：10216UDC：004.9密級：公開工程碩士學(xué)位論文（工程設(shè)計型）基于全局信息的推薦算法及其在社交網(wǎng)絡(luò)中的應(yīng)用碩士研究生：孔秀梅導(dǎo)師：賈彥國教授副導(dǎo)師：何振宇高級工程師申請學(xué)位：工程碩士工程領(lǐng)域：計算機技術(shù)所在單位：信息科學(xué)與工程學(xué)院答辯日期：2016年5月授予學(xué)位單位：燕山大學(xué)ADissertationinComputerTechnologyLEV
2、ERAGINGGLOBALINFORMATIONINSOCIALNETWORKFORRECOMMENDATIONALGORITHMbyKongXiumeiSupervisor:ProfessorJiaYanguoYanshanUniversityMay,2016燕山大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：此處所提交的碩士學(xué)位論文《基于全局信息的推薦算法及其在社交網(wǎng)絡(luò)中的應(yīng)用》，是本人在導(dǎo)師指導(dǎo)下，在燕山大學(xué)攻讀碩士學(xué)位期間獨立進行研究工作所取得的成果。論文中除已注明部分外不包含他人已發(fā)表或撰寫過的研究成果。對本文的研究工作做出重要貢獻(xiàn)的個人和集體，均
3、已在文中以明確方式注明。本聲明的法律結(jié)果將完全由本人承擔(dān)。作者簽字：日期：年月日摘要摘要電子數(shù)字信息的爆炸式增長使得互聯(lián)網(wǎng)面臨著嚴(yán)重的信息超載問題，從而導(dǎo)致消費者無法及時在互聯(lián)網(wǎng)上獲取感興趣且滿意的信息。因此消費者對于推薦系統(tǒng)的需求日益增長。目前，如何提高推薦結(jié)果的精確度，以及解決數(shù)據(jù)稀疏和冷啟動問題仍然是推薦技術(shù)的研究難點和熱點。針對這些問題，本文提出一種基于全局信息的(即整個用戶-項目評級矩陣信息)改進傳統(tǒng)相似度方法的協(xié)同過濾推薦算法，旨在提高推薦結(jié)果的準(zhǔn)確度，同時將此算法應(yīng)用到社交網(wǎng)絡(luò)中，并與用戶信任機制相結(jié)合，從而以期在一定程度上解決數(shù)據(jù)稀疏
4、及冷啟動問題。首先，本文研究討論分析了傳統(tǒng)的協(xié)同過濾推薦算法，包括Jaccard方法，余弦相似度和皮爾森相關(guān)系數(shù)三種方法在推薦過程中存在的優(yōu)缺點。在此基礎(chǔ)上，從共評項目及冷啟動項目這兩個角度考慮全局信息，采用不同的組合方式將Jaccard方法及余弦相似度方法融合成新的協(xié)同過濾算法，旨在進一步提高推薦結(jié)果的精確度。其次，針對社交網(wǎng)絡(luò)中用戶之間存的信任關(guān)系，引入信任傳播機制以擴展用戶信任范圍，同時處理用戶信任矩陣，將原始二值信任關(guān)系進一步精細(xì)化。在此基礎(chǔ)上，將此擴展精細(xì)化的用戶信任矩陣融合到基于全局信息的推薦算法中，以期在一定程度上解決數(shù)據(jù)稀疏及冷啟動問
5、題，從而提高推薦結(jié)果的精確度。最后，為驗證本研究所提出算法的可行性和有效性，在不同的數(shù)據(jù)集上對考慮全局信息的推薦算法和融合社交網(wǎng)絡(luò)中信任關(guān)系的推薦算法進行充分且嚴(yán)密的對比實驗。關(guān)鍵詞：推薦系統(tǒng)；協(xié)同過濾；共評項目；冷門項目；信任傳播-I-燕山大學(xué)工程碩士學(xué)位論文AbstractNowadays,theInternetseverelysuffersfromtheinformationoverloadproblemduetotheexplosivegrowthofdigitalinformation,whichgreatlyhindersthecusto
6、mersinobtainingtheirinterestedinformationefficiently.Recommendersystemshencebecomesmoreandmoreprevalentandimportantforcustomers.However,therearestillseveralkeyproblemstobesolved,suchashowtoimprovetheaccuracyandaddressdatasparsityandcoldstartproblemsofrecommendation.Totacklethes
7、eissues,thispaperproposesanewcollaborativefilteringrecommendationalgorithmbasedonglobalinformation,namelythewholeuser-itemratingmatrix,whichisimprovedbytraditionalsimilaritymethodstofurtherenhancetheaccuracyofrecommendation.Inthemeanwhile,weapplytheproposedalgorithmintosocialne
8、tworksandcombineitwithtrust,thustoaddressdatasparsitya
