基于復(fù)雜網(wǎng)絡(luò)的個(gè)性化推薦算法研究.pdf

1、隨著計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)中可獲得的信息量呈指數(shù)增長(zhǎng)。但這也導(dǎo)致信息過(guò)載問(wèn)題，即信息的利用率反而降低。信息推薦技術(shù)，或推薦系統(tǒng)，被認(rèn)為是解決信息過(guò)載最有效的工具之一。信息推薦技術(shù)是科學(xué)研究和工程應(yīng)用中的熱點(diǎn)問(wèn)題。
　　利用復(fù)雜網(wǎng)絡(luò)理論和數(shù)據(jù)挖掘方法，本文主要致力于理解推薦系統(tǒng)中各要素特性和作用，探索提升準(zhǔn)確性和多樣性的信息推薦算法。主要工作如下：
　　1.提出一種利用非近鄰用戶貢獻(xiàn)的協(xié)同過(guò)濾推薦算法，該算法通過(guò)線

2、性擬合的方式把近鄰和非近鄰用戶的作用同時(shí)應(yīng)用于推薦系統(tǒng)，結(jié)果顯示，我們算法的準(zhǔn)確性和多樣性均優(yōu)于傳統(tǒng)的協(xié)同過(guò)濾算法。
　　2.利用物質(zhì)擴(kuò)散過(guò)程在帶權(quán)網(wǎng)絡(luò)上的投影，我們分析了低分在推薦系統(tǒng)中的作用。結(jié)果表明，在稀疏的數(shù)據(jù)中，低分的作用有可能是正面的。更進(jìn)一步地，活躍用戶與流行商品的低分通常起著負(fù)面作用，非活躍用戶與非流行商品的低分的作用反而是正面的。
　　3.提出一種基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法。該算法僅僅利用用戶是否點(diǎn)擊商品的信息

3、來(lái)建立網(wǎng)絡(luò)模型，并利用隨機(jī)游走過(guò)程來(lái)計(jì)算用戶之間的相似度，結(jié)果表明，我們算法在效率和準(zhǔn)確率兩個(gè)方面都要好于傳統(tǒng)的協(xié)同過(guò)濾算法。
　　4.提出一種解決推薦系統(tǒng)冷啟動(dòng)問(wèn)題的算法，該算法通過(guò)逐個(gè)選擇對(duì)推薦系統(tǒng)貢獻(xiàn)最大的商品來(lái)進(jìn)行評(píng)分，從而使得在用戶評(píng)分較少的情況下，推薦算法也能做出比較準(zhǔn)確的推薦結(jié)果。
　　5.提出了一種新的算法專門(mén)用于冷門(mén)商品的推薦，該算法為每個(gè)商品找到可能對(duì)其感興趣的用戶，因此每個(gè)商品能夠至少被推薦一次。結(jié)果表