融合社交网络的协同过滤推荐算法的研究与应用

《融合社交网络的协同过滤推荐算法的研究与应用》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、分类号TP393密级公开UDC004学位论文编号D-10617-30852-(2016)-02019重庆邮电大学硕士学位论文中文题目融合社交网络的协同过滤推荐算法的研究与应用英文题目ResearchandApplicationoftheSocialNetworkandCollaborativeFilteringRecommendationAlgorithm学号S130231019姓名蹇怡学位类别工程硕士学科专业计算机技术指导教师刘宴兵教授完成日期2016年4月17日重庆邮电大学硕士学位论文摘要摘要随着社交网络的飞速发展，互联网用户所面临的信息过载问题尤为严重

2、，因此国内外各大社交网络、电子商务等平台都相继推出了个性化推荐系统，以缓解海量数据带来的“选择困难症”问题。随着推荐系统用户关系愈加复杂化，传统的推荐算法已经不能满足当前多数平台的推荐需求。因此，研究大数据时代背景下的推荐策略，在缓解数据压力的同时提高推荐系统的综合质量具有重要的意义。论文的主要研究内容和应用价值如下：通过调研推荐技术现状，在研究各并行平台实现机理基础之上，分析了当前大数据推荐算法，提出了面向大数据的推荐系统双引擎。此外，根据具体算法的特点，例如是否迭代、算法复杂度等，通过调节数据规模等因素进行对比实验，分析不同框架下特定算法的性能，设计了特

3、定场景下最适配的面向大数据的双擎推荐系统框架。双引擎则作为组件按需装配到该框架中，根据需求动态提供单机或者分布式推荐服务，通过对比和调用分析案例验证了该框架的有效性和实用性。基于上述面向大数据的双擎推荐系统框架，深入研究协同过滤推荐算法存在的不足之处。针对用户相似度计算方法单一的问题，分析了社交网络数据的可用性，引入社交网络用户关系作为计算依据，通过构建新的相似度计算规则，融合社交网络与推荐系统的关键要素，提出了融合社交网络多属性的协同过滤推荐算法，为实施推荐的目标用户搜索到了较为准确的邻居集合，进而提高了推荐的准确度。实验结果表明，该推荐算法有效地利用了社

4、交网络元素，在相似度计算方法上较传统方法更为准确和个性化。在算法应用研究中实现了个性化推荐，丰富了推荐系统的结果解释，提高了推荐系统的综合质量。综上所述，本文对融合社交网络的协同过滤推荐算法的研究与应用展开了积极的探索和深入的研究，设计了一种面向大数据的双擎推荐系统框架，提出了融合社交网络多属性的协同过滤推荐算法，并且设计和开发了一个社交网络推荐系统，丰富了基于社交网络的协同过滤推荐算法的理论研究。关键词：社交网络，大数据，双擎推荐系统，协同过滤，相似度模型I重庆邮电大学硕士学位论文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