資源描述：
《基于全局相似度的社交網(wǎng)絡(luò)個性化推薦算法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、（錄用定稿）網(wǎng)絡(luò)首發(fā)時間:2017-10-2716:40:47GB/T7714-2015格式參考文獻(xiàn)：張藝豪;李梁;趙清華;馬建芬;段倩倩.基于全局相似度的社交網(wǎng)絡(luò)個性化推薦算法[J/OL].計(jì)算機(jī)工程,:1-9.(2017-10-27).http://kns.cnki.net.hebeu.vpn358.com/kcms/detail/31.1289.tp..1640.008.html.基于全局相似度的社交網(wǎng)絡(luò)個性化推薦算法張藝豪李梁趙清華馬建芬段倩倩太原理工大學(xué)信息工程學(xué)院&新型傳感器和智能控制教育部(山西)重點(diǎn)實(shí)驗(yàn)室微納系統(tǒng)研究中心太原師范學(xué)院管理系導(dǎo)出/參考文獻(xiàn)已關(guān)注關(guān)注X關(guān)注
2、成功！加關(guān)注后您將方便地在我的關(guān)注中得到本文獻(xiàn)的被引頻次變化的通知！分享·新浪微博·騰訊微博·人人網(wǎng)·開心網(wǎng)·豆瓣網(wǎng)·網(wǎng)易微博收藏打印摘????要：隨著電子商務(wù)高速發(fā)展,個性化推薦系統(tǒng)成為解決互聯(lián)網(wǎng)信息過載的重要手段。社交網(wǎng)絡(luò)推薦算法在概率矩陣分解基礎(chǔ)上利用社交網(wǎng)絡(luò)用戶之間信任關(guān)系作為額外信息,很好地解決了數(shù)據(jù)稀疏和冷啟動問題。本文在社交網(wǎng)絡(luò)推薦算法基礎(chǔ)上,挖掘項(xiàng)目之間的全局相似度以及分析用戶之間信任的可靠度,提出一種刻畫商品之間的全局相似度,并進(jìn)一步結(jié)合社交網(wǎng)絡(luò)關(guān)系的個性化推薦算法。在Filmtrust數(shù)據(jù)集與Ciao數(shù)據(jù)集上的大量實(shí)驗(yàn)表明,本文提出的改進(jìn)算法在推薦準(zhǔn)確性上有了很大
3、的提高。關(guān)鍵詞：推薦系統(tǒng);個性化推薦;社交網(wǎng)絡(luò);數(shù)據(jù)挖掘;機(jī)器學(xué)習(xí);作者簡介：張藝豪,性別男,太原理工大學(xué)碩士研究生,出生年月1993年12月5號。主要研究個性化推薦系統(tǒng),模式識別。作者簡介：李梁,太原師范學(xué)院管理學(xué)院講師。作者簡介：趙清華,太原理工大學(xué)信息工程學(xué)院副教授。作者簡介：馬建芬,太原理工大學(xué)計(jì)算機(jī)工程學(xué)院副教授。作者簡介：段倩倩,太原理工大學(xué)信息工程學(xué)院副教授收稿日期：2017-09-21基金：國家自然科學(xué)基金()PersonalizedrecommendationalgorithmofsocialnetworkbasedonglobalsimilarityZHAOQin
4、g-huaLILiangZHANGYi-haoMAJian-fenDUANQian-qianMicroNanoSystemResearchCenter,CollegeofInformationEngineering&KeyLabofAdvancedTransducersandIntelligentControlSystem(MinistryofEducation),TaiyuanUniversityofTechnology;TaiyuanNormalUniversity,ManagementDepartment;Abstract：Withtherapiddevelopmentofe-
5、commerce,personalizedrecommendationsystemhasbecomeanimportantapproachtosolvetheInternetinformationoverload.Thesocialnetworkrecommendationalgorithmsolvestheproblemofdatasparseandcoldstartbyusingthetrustrelationbetweenusersasadditionalinformationonthebasisofprobabilitymatrixdecomposition.Basedont
6、hesocialnetworkrecommendationalgorithm,weexploittheglobalsimilarity,analysetheusertrustreliabilityandproposedournovelalgorithmwithglobalitemsimilarityassideinformation.AlargenumberofexperimentsonFilmtrustdatasetsandCiaodatasetsshowthattheproposedalgorithmachieveshigheraccuracy.Keyword：recommend
7、ersystem;personalizedrecommendation;socialnetwork;datamining;machinelearning;Received：2017-09-211概述隨著互聯(lián)網(wǎng)高速發(fā)展,用戶面對海量互聯(lián)網(wǎng)資源一時難以搜索到自己的精確需求,推薦系統(tǒng)能夠提升用戶體驗(yàn),能很好地解決信息過載[1]問題,了解不同用戶的個人喜好并推薦給用戶潛在需求商品。電子商務(wù)網(wǎng)站如亞馬遜,天貓網(wǎng)站都搭建了自己的個性化推薦系統(tǒng)并獲得了不少的收入增益。由
