存在社会影响的群体推荐用户建模研究

摘要

随着互联网的广泛应用和信息技术的飞速发展,网络信息数量呈现爆炸式的增长态势。这导致用户在获取所需信息时需要耗费大量的时间和精力。面对海量的网络资源,如何快速高效又准确的获取有用信息成为目前各项研究的重点。在这种情况下,作为一种重要的信息过滤技术和个性化服务工具,推荐系统得到了广泛的关注和研究。
　　近些年来,随着社交网站和在线社区的发展,越来越多的网上活动是以群体为单位进行组织开展的。如何为这些目标群体用户提供令其满意的个性化服务受到了研究学者的广泛关注,这也带来了对群体推荐系统研究的迫切需求。群体推荐系统是对群体用户产生能够反映全体用户偏好的推荐结果,群体的多样性和动态性意味着群体推荐系统是个复杂而有挑战性的问题。
　　一个有效的群体推荐系统不仅需要获取群体成员的偏好信息,更需要考虑影响群体决策的其他因素的影响。然而目前已有的群体推荐算法大多主要研究群体成员的偏好问题,虽然一些文献也开始从社会心理学角度研究推荐系统,但这方面的研究仍然不太系统。
　　本篇论文主要从社会心理学中社会影响的角度对群体推荐系统进行系统而详尽的研究。通过对群体成员间包括个性因素、专业性因素、客观相互关系以及兴趣相似度等社会影响因素进行分析讨论和建模,对现有群体推荐方法进行了修正。本篇论文在研究过程中,研究了将群体成员个性因素、专业性因素、成员间客观相互关系和兴趣相似度等社会影响因素整合进群体推荐过程中,并着重研究成员间社会影响各个因素对群体推荐过程的影响和改进效果。
　　实验结果表明基于社会影响的群体推荐算法与传统的群体推荐算法相比,具有更高的推荐精度和令群体成员更满意的推荐结果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 群体推荐系统国内外研究现状

1.3 论文基本内容及结构

第二章 理论综述

2.1 群体推荐系统

2.2 符号数据分析概述

2.3 社会影响概述

2.4 本章小结

第三章 基于社会影响的群体用户建模

3.1 社会影响理论模型概述

3.2 用户数据

3.3 基于成员属性的群体用户建模

3.4 基于成员间综合相互关系的用户建模

3.5 考虑社会影响各要素的群体用户建模

3.6 产生群体推荐

第四章 实验及算法评价

4.1 实验数据

4.2 实验结果评价指标

4.3 实验设计

4.4 实验过程及结果分析

4.5 实验结果总结

第五章 结论

参考文献

发表论文和参加科研情况说明

致谢

附录