資源描述：
《融合社交網(wǎng)絡的協(xié)同過濾推薦算法的研究與應用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、分類號TP393密級公開UDC004學位論文編號D-10617-30852-(2016)-02019重慶郵電大學碩士學位論文中文題目融合社交網(wǎng)絡的協(xié)同過濾推薦算法的研究與應用英文題目ResearchandApplicationoftheSocialNetworkandCollaborativeFilteringRecommendationAlgorithm學號S130231019姓名蹇怡學位類別工程碩士學科專業(yè)計算機技術(shù)指導教師劉宴兵教授完成日期2016年4月17日重慶郵電大學碩士學位論文摘要摘要隨著社交網(wǎng)絡的飛速發(fā)展，互聯(lián)網(wǎng)用戶所面臨的信息過載問題尤為嚴重
2、，因此國內(nèi)外各大社交網(wǎng)絡、電子商務等平臺都相繼推出了個性化推薦系統(tǒng)，以緩解海量數(shù)據(jù)帶來的“選擇困難癥”問題。隨著推薦系統(tǒng)用戶關(guān)系愈加復雜化，傳統(tǒng)的推薦算法已經(jīng)不能滿足當前多數(shù)平臺的推薦需求。因此，研究大數(shù)據(jù)時代背景下的推薦策略，在緩解數(shù)據(jù)壓力的同時提高推薦系統(tǒng)的綜合質(zhì)量具有重要的意義。論文的主要研究內(nèi)容和應用價值如下：通過調(diào)研推薦技術(shù)現(xiàn)狀，在研究各并行平臺實現(xiàn)機理基礎(chǔ)之上，分析了當前大數(shù)據(jù)推薦算法，提出了面向大數(shù)據(jù)的推薦系統(tǒng)雙引擎。此外，根據(jù)具體算法的特點，例如是否迭代、算法復雜度等，通過調(diào)節(jié)數(shù)據(jù)規(guī)模等因素進行對比實驗，分析不同框架下特定算法的性能，設(shè)計了特
3、定場景下最適配的面向大數(shù)據(jù)的雙擎推薦系統(tǒng)框架。雙引擎則作為組件按需裝配到該框架中，根據(jù)需求動態(tài)提供單機或者分布式推薦服務，通過對比和調(diào)用分析案例驗證了該框架的有效性和實用性。基于上述面向大數(shù)據(jù)的雙擎推薦系統(tǒng)框架，深入研究協(xié)同過濾推薦算法存在的不足之處。針對用戶相似度計算方法單一的問題，分析了社交網(wǎng)絡數(shù)據(jù)的可用性，引入社交網(wǎng)絡用戶關(guān)系作為計算依據(jù)，通過構(gòu)建新的相似度計算規(guī)則，融合社交網(wǎng)絡與推薦系統(tǒng)的關(guān)鍵要素，提出了融合社交網(wǎng)絡多屬性的協(xié)同過濾推薦算法，為實施推薦的目標用戶搜索到了較為準確的鄰居集合，進而提高了推薦的準確度。實驗結(jié)果表明，該推薦算法有效地利用了社
4、交網(wǎng)絡元素，在相似度計算方法上較傳統(tǒng)方法更為準確和個性化。在算法應用研究中實現(xiàn)了個性化推薦，豐富了推薦系統(tǒng)的結(jié)果解釋，提高了推薦系統(tǒng)的綜合質(zhì)量。綜上所述，本文對融合社交網(wǎng)絡的協(xié)同過濾推薦算法的研究與應用展開了積極的探索和深入的研究，設(shè)計了一種面向大數(shù)據(jù)的雙擎推薦系統(tǒng)框架，提出了融合社交網(wǎng)絡多屬性的協(xié)同過濾推薦算法，并且設(shè)計和開發(fā)了一個社交網(wǎng)絡推薦系統(tǒng)，豐富了基于社交網(wǎng)絡的協(xié)同過濾推薦算法的理論研究。關(guān)鍵詞：社交網(wǎng)絡，大數(shù)據(jù)，雙擎推薦系統(tǒng)，協(xié)同過濾，相似度模型I重慶郵電大學碩士學位論文AbstractAbstractWiththerapiddevelopmen
5、tofsocialnetwork,internetusersarefacingterribleinformationoverloadproblem.Inordertoalleviate“choosedifficultdisease”problemincurredbymassdata,thepersonalizedrecommendationsystemiswidelyappliedtothemajorsocialnetworkande-commerceplatformssuccessively.However,astherecommendationsyste
6、miswidelyused,thetraditionalrecommendationalgorithmscannotmeetthedemandofthecurrentplatforms.Therefore,itisverymeaningfultostudyrecommendationstrategytoreducethepressurefrombigdata,andimprovethecomprehensivequalityofrecommendationsystem.Mainresearchcontentsandapplicationvalueofthet
7、hesisareorganizedasfollows:Basedonexistingresearches,thethesisproposesatwin-enginerecommendationsystemframeworkforbigdatabyanalyzingthepresentstatusofrecommendationtechnologyontheparallelplatforms.Inaddition,atwin-enginerecommendationsystemframeworkwhichisforbigdatawiththeparticula
8、rscenarioisdesignedaccordi
