資源描述：
《基于多因素耦合的社交網(wǎng)絡(luò)信息推薦模型研究》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、學(xué)校代碼：10255學(xué)號：1119071基于多因素耦合的社交網(wǎng)絡(luò)信息推薦模型研究學(xué)院：旭日工商管理學(xué)院專業(yè)：管理科學(xué)與工程姓名：朱君璇導(dǎo)師：鄭建國教授東華大學(xué)旭日工商管理學(xué)院2018年9月ResearchofSocialNetworkInformationRecommendationModelBasedOnMultifactorialCouplingSpecialty：ManagementScienceandEngineeringAuthor：ZhuJunxuanAdvisor：Prof.ZhengJianguoGloriousSunS
2、choolofBusinessandManagementDonghuaUniversityShanghai，P.R.ChinaSeptember2018東華大學(xué)學(xué)位論文原創(chuàng)性聲明東華大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：我恪守學(xué)術(shù)道德，崇尚嚴(yán)謹(jǐn)學(xué)風(fēng)。所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已明確注明和引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品及成果的內(nèi)容。論文為本人親自撰寫，我對所寫的內(nèi)容負(fù)責(zé)，并完全意識到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：年月日東華大學(xué)學(xué)位論文
3、版權(quán)使用授權(quán)書東華大學(xué)學(xué)位論文版權(quán)使用授權(quán)書學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱或借閱。本人授權(quán)東華大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□，在年解密后適用本版權(quán)書。本學(xué)位論文屬于不保密□。學(xué)位論文作者簽名：指導(dǎo)教師簽名：日期：年月日日期：年月日摘要摘要隨著信息技術(shù)和互聯(lián)網(wǎng)的飛速發(fā)展，社交網(wǎng)絡(luò)資源極大豐富，信息傳播變得更加便捷。然而，“信息過載”問題浮出水面，用戶面
4、臨著嚴(yán)重的網(wǎng)絡(luò)數(shù)據(jù)冗余困境，從海量數(shù)據(jù)中獲取有價值的信息變得越來越困難。作為解決“信息過載”問題的有效手段，信息推薦的研究受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注，尤其社交網(wǎng)絡(luò)信息推薦模型具有非常多的應(yīng)用場景和商業(yè)價值。但是，由于社交網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大，網(wǎng)絡(luò)拓?fù)鋸?fù)雜度的不斷加深，以往研究的推薦算法已難以適應(yīng)時代的要求，因此研究信息推薦模型，進(jìn)一步提高推薦精度和效率具有非常重要的理論價值和現(xiàn)實意義。常用的信息推薦模式一般分為基于內(nèi)容、基于關(guān)聯(lián)規(guī)則、協(xié)同過濾三類。協(xié)同過濾模式應(yīng)用廣泛，其中基于記憶的協(xié)同過濾推薦模型和矩陣分解信息推薦模型精度較高，逐漸成
5、為研究熱點(diǎn)。然而隨著數(shù)據(jù)種類越來越多，應(yīng)用場景越來越復(fù)雜，這兩類推薦都面臨著網(wǎng)絡(luò)“冷啟動”和數(shù)據(jù)稀疏等問題，影響信息推薦的精度。隨著數(shù)據(jù)樣本規(guī)模越來越大，新增用戶的信息推薦效率極低，推薦模型存在擴(kuò)展性問題，嚴(yán)重影響社交網(wǎng)絡(luò)的運(yùn)營效率和用戶體驗。針對以上信息推薦研究中的困難和挑戰(zhàn)，本文主要研究內(nèi)容如下：首先，構(gòu)建了社交網(wǎng)絡(luò)信息傳播多因素耦合模型，結(jié)合耦合理論，分析各因素對信息傳播的影響，揭示信息傳播規(guī)律。目前研究多分析各因素的單獨(dú)作用，未考慮各因素之間存在相互作用、關(guān)聯(lián)產(chǎn)生的耦合效用。本文通過構(gòu)建信息傳播多因素耦合模型，分析得出用戶偏好和
6、用戶關(guān)系對社交網(wǎng)絡(luò)信息傳播有較大影響，研究結(jié)果用于后續(xù)改進(jìn)協(xié)同過濾模型、鏈路預(yù)測模型和興趣點(diǎn)推薦模型中。其次，結(jié)合改進(jìn)的隨機(jī)森林算法構(gòu)建分層混合協(xié)同過濾模型RMHCF，解決數(shù)據(jù)稀疏性和擴(kuò)展性問題。由于傳統(tǒng)的基于記憶協(xié)同過濾模式中，相似度計算不-I-摘要夠全面，預(yù)測評分精度較低。本文結(jié)合時間、多源異構(gòu)地理、用戶行為和用戶情境等對用戶興趣偏好的影響，利用耦合度量化算法改進(jìn)用戶相似度計算方法，提高預(yù)測評分的精度；并融合隨機(jī)森林機(jī)器學(xué)習(xí)算法提高推薦模型處理大樣本數(shù)據(jù)的效率，解決了擴(kuò)展性問題，實驗驗證RMHCF模型具有更好的推薦精度。RMHCF模
7、型亦用于提高后續(xù)研究受限波茲曼機(jī)訓(xùn)練離線數(shù)據(jù)樣本的效率，提升興趣點(diǎn)推薦模型實時推薦效果。再次，構(gòu)建了基于信息關(guān)聯(lián)和信息負(fù)反饋的多路徑隨機(jī)游走鏈路預(yù)測模型LRWM，解決節(jié)點(diǎn)區(qū)分度低問題和負(fù)反饋信息干擾問題，提高了鏈路預(yù)測的精度。融合信息關(guān)聯(lián)及其穩(wěn)定性優(yōu)化用戶相似度計算指標(biāo)，解決了由屬性和拓?fù)浣Y(jié)構(gòu)指標(biāo)帶來的節(jié)點(diǎn)區(qū)分度低問題，提高了鏈路預(yù)測的精度。同時，社交網(wǎng)絡(luò)中存在負(fù)反饋信息干擾鏈路預(yù)測，以往研究通過刪除負(fù)反饋鏈路解決此問題，但是破壞了網(wǎng)絡(luò)結(jié)構(gòu)的完整性。本文通過改進(jìn)鏈路權(quán)重，保留網(wǎng)絡(luò)結(jié)構(gòu)完整的前提下，解決負(fù)反饋信息干擾問題，并融合蛙跳算法構(gòu)
8、建了多路徑隨機(jī)游走鏈路預(yù)測模型LRWM，進(jìn)一步提高了鏈路預(yù)測精度。使用LRWM模型，能獲得更為準(zhǔn)確且全面的用戶關(guān)系數(shù)據(jù)，并作為額外數(shù)據(jù)源融入后續(xù)研究的概率矩陣分解信息推薦框架中，提高推薦精度。最后，構(gòu)建了融
