資源描述：
《基于社交信息推薦的可視化研究與應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、論文題目：基于社交信息推薦的可視化研究與應(yīng)用作者姓名：魏生煎入學時間：圣Q羔Q生魚旦專業(yè)名稱：過箜麴地涯蚣研究方向：塑量圖型圖幽指導(dǎo)教師：蔓延至職稱：數(shù)援論文提交日期：論文答辯El期：授予學位日期：RESEARCHANDAPPLICAⅡONoFSOCIALNETWORK．BASEDRECo劓ⅡⅥENDATIoNADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofML～STEROFENG州EERD叮GFromShandongUniversityofSc
2、ienceandTechnologyWeiZhonghengSupervisor：ProfessorPengYanjanCollegeofInformationScienceandEngineeringMay2013聲明本人呈交給山東科技大學的這篇碩士學位論文，除了所列參考文獻和世所公認的文獻外，全部是本人在導(dǎo)師指導(dǎo)下的研究成果。該論文資料尚沒有呈交于其它任何學術(shù)機關(guān)作鑒定。碩士生簽名：日AFFIRMATIONIdeclarethatthisdissertation,submittedinflllffllmentofthere
3、quirementsfortheawardofMasterofEngineeringinShandongUniversityofScienceandTechnology,iswhollymyownworkunlessreferencedofacknowledge。Thedocumenthasnotbeensubmittedforqualificationatanyotheracademicinstitute．Signature：Date：山東科技大學碩士學位論文摘要互聯(lián)網(wǎng)技術(shù)的日新月異給用戶帶來了巨量的內(nèi)容，傳統(tǒng)的個性化推薦方
4、法已經(jīng)很難幫助用戶從大量冗余信息中挑選出符合自己興趣的內(nèi)容。隨著社交網(wǎng)絡(luò)的興起，學者們提出了基于用戶社交網(wǎng)絡(luò)信息的推薦方式解決傳統(tǒng)方法存在的數(shù)據(jù)稀疏性的問題。但是基于社交的推薦算法通常都是自動執(zhí)行，用戶沒有參與到推薦過程中去，得到的結(jié)果不一定是用戶所需要的，而且基于列表展示結(jié)果的方式，用戶很難發(fā)現(xiàn)信息間的聯(lián)系。因此，用信息可視化的方法將基于社交推薦的整個過程展現(xiàn)出來非常必要。本文主要研究了基于社交信息的推薦技術(shù)、信息可視化技術(shù)，并重點研究了信息可視化技術(shù)中網(wǎng)狀結(jié)構(gòu)數(shù)據(jù)的可視化方法。基于粒子群優(yōu)化算法和信息可視化中的圖布局方法，
5、提出了一種基于改進粒子群優(yōu)化算法的圖布局可視化方法，這種方法可對節(jié)點進行了子群的劃分并定義了自適應(yīng)加速系數(shù)，可以有效的減少邊交叉數(shù)；基于圖布局經(jīng)典的FR算法，提出了EFR算法，解決了原有算法在節(jié)點增多時節(jié)點與邊距離較近的問題。本文將改進后的算法與相似算法進行了比較分析，同時根據(jù)算法的各自特點將其分別運用到基于社交信息推薦過程中的社交網(wǎng)絡(luò)可視化和推薦信息的可視化中。最后，我們構(gòu)建了大眾點評網(wǎng)的可視化推薦系統(tǒng)，該系統(tǒng)實現(xiàn)了基于社交信息的餐廳推薦、購物推薦和新好友推薦功能，將基于社交信息推薦的過程用可視化的方法展現(xiàn)出來，滿足了用戶參
6、與到推薦過程中的需求。關(guān)鍵詞：信息可視化，圖布局，可視化，力導(dǎo)向布局，社交網(wǎng)絡(luò)ABSTRACTWiththerapiddevelopmentofInternettechnology,hugeamoumofcontentsareavailabletousers．Userscanhardlygettheirinterestcontentsfromlargenumberofredundantinformationbyusingtraditionalrecommendationmethods．Scholarshaveputforwar
7、dasocialnetwork．．basedrecommendationmethodtosolvedatasparsityprobleminoldmethods．However,therecommendationalgorithmisperformedautomaticallywhichmeansusersareoutoftherecommendationprocess．Andtheresultsmaynotbewhattheusersreallyneed．Moreover,resultsarealwayspresentedb
8、ylistfromwhatuserscanhardlyfmdtheinteractionbetweeninformation．Therefore，itisnecessarytounfoldtherecommendprocesswithinformationvisualizat
