论文部分内容阅读
推荐系统为网络用户选择商品提供建议,用户可以借助推荐系统从海量商品中选择出正确的商品,服务提供商可以借助推荐系统提高服务质量进而增加利润,而推荐方法是推荐系统的关键环节。本文主要研究基于社会影响力的网络用户推荐方法。首先,通过分析网络用户歌曲试听和试听后下载的行为特点,建立了商品排名推荐系统的仿真模型,并对影响商品排名推荐系统的要素进行仿真实验研究；其次,为了提高推荐方法的预测准确率,在传统协同过滤推荐方法的基础上考虑了社会影响力因素,提出了基于信任和标签的协同过滤推荐方法；最后,将基于标签的商品流行度排名分析方法应用于Last.fm音乐网站数据集,进一步讨论了标签与商品排名对于网络市场的影响。本文主要研究工作如下：(1)本文通过研究和分析现场实验中网络用户在推荐系统上选择试听歌曲和试听后根据个人偏好决定是否下载歌曲的行为特点,建立了基于社会影响力的商品排名推荐系统的两阶段仿真模型。在第一个阶段中,网络用户只受社会影响力影响决定试听哪些歌曲；在第二阶段中,网络用户只受歌曲质量影响决定试听后是否下载该歌曲。然后,根据现场实验中的数据检验基于社会影响力的商品排名推荐系统仿真模型的有效性。最后,进行推荐仿真实验,发现影响商品排名推荐系统推荐效果的要素,进而对商品排名推荐系统预防恶意攻击提出建议。(2)本文在传统协同过滤方法的基础上考虑了社会影响力信任关系和标签信息对网络用户的影响,选择出与用户标签偏好一致的推荐用户,提出了基于信任和标签的协同过滤推荐方法。首先,根据标签的共现次数寻找强相关标签集。然后,根据强相关标签集进行标签聚类,使得类内标签相似度高,而类间标签相似度低。在标签聚类结果的基础上根据用户的标签偏好生成用户关联矩阵。最后,根据用户的信任关系和标签偏好生成用户推荐权重矩阵,进行基于协同过滤算法进行打分预测。(3)在本文商品排名推荐系统仿真建模与实验和基于信任和标签的协同过滤推荐方法的基础上,本文提出了基于标签的商品流行度排名分析框架并应用于Last.fm音乐网站数据集。首先,在标签聚类的基础上,根据用户的标签偏好,为用户打标签,将用户划分到不同的用户群体中。然后,在标签聚类的基础上,为商品打标签,从用户群体的角度分析了商品流行度排名的特点,发现了商品市场流行度的不均衡性和不同用户群体商品偏好不同的特点。