基于Agent模型的社会推荐系统分析研究

摘要

随着互联网技术的飞速发展，人们在网上购买产品变得越来越便捷，越来越多的网民加入到网购的大军中。在这个背景下，为了让用户更加快捷、准确选到自己中意的产品，个性化推荐系统就显得尤为重要了。然而，传统的个性化推荐方法，如基于用户或者项目的协同推荐算法，并不显示用户的兴趣模型，而是通过相似度对比，以此为依据来进行推荐，这也使得推荐的效果并不突出。鉴于个性化推荐系统低下的推荐效率，社会化推荐系统成为学术界研究的重点和难点之一。
　　社会推荐系统是建立在用户之间的社会关系的基础上的，并以此构建用户之间的社会关系网络。对于一个新的用户，只要在已知的关系网络中，存在一个或多个用户与之有间接或直接的联系，该新用户就可以加入到该网络中，并根据已知的用户兴趣模型，对该新用户进行推荐。事实证明，随着人的社会化属性加深，社会推荐系统的推荐能力会更加强大。
　　本文利用Agent模型来研究社会推荐系统，研究的内容和目标为:
　　(1)基于Agent模型构建社会网络。社会推荐系统是建立在社会网络上来展开的。所以在研究社会推荐系统时，首先要初始化一个社会网络。由于Agent具有独立性跟封装性，因此可以将社会属性和参数封装到Agent之中，然后将单个Agent作为网络中的一个结点，构建基于Agent的社会网络模型。在这一部分中，主要有两部分的工作:Agent模型的设计和构建社会网络。在本文中，根据消费市场的特征，主要设计了两类Agent，即生产者Agent和消费者Agent，以及它们的建模过程和内在联系。在此基础之上，利用Agent的动态性和独立性，初始化一个社会网络模型。
　　(2)在基于Agent的社会网络模型的基础上，利用协同过滤算法的原理，构建基于Agent的社会推荐系统。针对当前推荐系统主要集中在推荐算法的优化，单纯优化推荐响应时间，而忽略推荐的个性化程度，或单纯优化了推荐效率，却缺乏普遍性等问题，本文通过Agent模型来研究社会推荐系统，利用Agent的强大的分布计算能力，并设计了TopX算法和Threshold阈值算法，寻找出该网络模型中的相似度最高的群体，以该群体的共同特征来进行推荐。最终的实验结果验证了该研究思路的可行性。

目录

声明

摘要

1 绪论

1．1 研究意义

1．2 国内外研究现状分析

1．2．1 社会化推荐系统发展历程

1．2．2 从群推荐视角研究社会推荐系统

1．2．3 多Agent技术在推荐领域的应用

1．3 研究内容

1．4 全文组织结构

1．5 研究方法和技术路线

1．5．1 研究方法

1．5．2 技术路线

2 基础理论与方法

2．1 Agent模型简介

2．1．1 Agent概念

2．1．2 多Agent系统特征

2．1．3 Agent的规则学习和演化

2．1．4 多Agent系统建模与控制

2．2 协同过滤推荐

2．2．1 协同过滤推荐概述

2．2．2 基于用户的协同过滤推荐算法

2．2．3 基于项目的协同过滤推荐算法

2．3 初始化社会网络

3 Agent角色设计

3．1 消费者Agent设计

3．1．1 消费者内部模型

3．1．2 通过个人社交网络传播的推荐

3．1．3 个人社交网络组织

3．2 生产者Agent设计

3．3 基于个体Agent的社会网络

4 基于Agent的实验方案设计和仿真

4．1 引言

4．2 基于社会网络的相似度聚合研究设计

4．3 实验仿真结果

4．4 本章小结

5 总结与展望

5．1 全文总结

5．2 展望

参考文献

攻读硕士学位期间发表的学术论文

致谢