基于lbsn的个性化推荐技术研究

《基于lbsn的个性化推荐技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、胃Ｓ日ＵＴＨＷＫ了扁了ＤＮＧＵＮＩＶＥＲＳＩＴＹ＾硕±学位论文ｆ胃曝确岡＊論．邏国内图书分类号：ＴＰ３１１密级；公开国际图书分类号：００４西南交通大学研究生学位论文基于ＬＢＳＮ的个性化推荐技术研究年级２０１３级姓名罗维佳申请学化级别硕±专业软件工程指导教师乔少杰二零一六年五月二十五日Ｃｌａｓｓ巧ｅｄＩｎｄｅｘ：ＴＰ３１１Ｕ．Ｄ．Ｃ：００４ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙＭａｓｔ

2、ｅｒＤｅｇｒｅｅＴｈｅｓｉｓＲｅｓｅａｒｃｈｏｆｔｈｅｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄａｔｉｏｎｐｔｅｃｈｎｏｌｏｏｎＬｏｃａｔｉｏｎＢａｓｅｄＳｏｃｉａｌＮｅｔｗｏｒｋｓｇｙＧｒａｄｅ：２０１３Ｃａｎｄｉｄａｔｅ：ＬｕｏＷｅｉｉａｊＡｃａｄｅｍｉｃＤｅｒｅｅＡｌｉｅｄｆｏｒ：ＭａｓｔｅｒＤｅｒｅｅｇｐｐｇＳｐｅｃｉａｌｉｔｙ；ＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇＳｕｅｒｖｉｓｏｒ；ｉａｏＳｈａｏｉｅｐＱｊＭａ．２５

3、２０１６ｙ，西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可Ｗ将本论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印。、缩印或扫描等复印手段保存和汇编本学位论文本学位论文属于１．保密□，在年解密后适用本授权书；２．不保密＾使用本授权书。＂（请在Ｗ上方框内打小）学位论文作者签名；指导老师签名：。２．Ｘ．曰期曰

4、期＿乂：２６西南交通大学硕±学位论文主要工作（贡献）声明本人在学位论文中所做的主要工作或贡献如下：本文针对ＬＢＳＮ的个性化推荐技术进行研究，分析现有模型中对签到位置聚类算法的不足一，提出了种对签到数据进行聚类的算法。除此之外，本文对ＬＢＳＮ中的个性化好友推荐模型进行优化一种双向，将好友关系对称性融入现有模型当中，提出－ＴＯＰＷ算法。最后证明了本文提出的两种新算法具有更好的评价指标，本文主要的研究成果如下：一１、提出了种基于ＬＢＳＮ的聚类算法，给出了算法的具体描述，并结合实例

5、与传－ｅｄｏｉｄｓ、。最后通过统ｉｔｍ算法ＰＫＭＤ算法和ＬＰＫＭＤ算法进行比较，分析算法的优劣五组实验证明本文算法具有较好的聚类结果。一２－ｎ－Ｗ的、将好友关系的对称性融入传统ＴＯＰ算法中，提出种双向ＴＯＰ好友推荐模型，给出了増量策略的定义，并根据増量策略构建相似性图谱，使得最终的推荐效果更好。实验证明在ＬＢＳＮ好友推荐系统中，优化后的模型具有更好的准确率和召回率。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中己经注明弓佣的内容外，本论文不

6、包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说巧。一切法律责任将由本人承担本人完全了解违反上述声明所引起的。学位论文作者签名：曰期：三＾西南交通大学硕±研究生学位论文第Ｉ页摘要随着定位技术的发展，用户地理位置的实时获取变得越来越简单，这带来了基于位置的社交网络飞速发展，越來越多的移动终端接入到网络中，它们提供的位。同时置信息也给用户带来了更加丰富的资讯信息。基于位置的社交网络个性化推荐系统与一起，ＬＢＳＮ

7、电子商务、０２０等行业紧密联系在具有极高的经济价值，因此研究基于的个性化推荐技术已经成为当今学术界非常热口的研究领域。本文探究ＬＢＳＮ个性化推荐系统的理论和相关技术，并对常用的推荐算法进行了简单介绍。研究了当前主流的ＬＢＳＮ个性化推荐技术框架，总结了聚类技术Ｗ及好友一，种是基于ＬＢＳＮ的聚类算法推荐模型中的不足并据此提出了两种改进算法。，用一于获取更好的聚类结果；另种是将好友推荐模型中好友间的对称性融入到推荐结果中在此基础上提出一，这种推荐结果具，并种完全对称性好友推荐结果有更好的

8、准确率和召回率。本文首先本文介绍了研究背景及研究意义，并阐述了基于ＬＢＳＮ个性化推荐技术的研究现状与进展。接着，本文对个性化推荐技术的相关理论基础和各种推荐算法的优缺点进行了归类总结。然后，本文介绍了聚类算法在ＬＢＳＮ个性化推荐技术中的应ＳＮ网一用络中存在的不足，，分析了传统聚类算法在基于ＬＢ提出了种面向ＬＢＳＮ的聚类算法，并通过实验证明本文提出的聚类算法具有更好的距离平方和和收敛速度。一■的减小同