基于好友关系分析的资源推荐算法及应用研究

发布时间：2025-07-03 00:02

　　随着Web2.0时代的到来,在互联网逐渐普及走进千家万户的同时,社交网络也成为人们传递信息、表达情感的一个平台,同时也成为信息传播的一种方式。然而社交网络上充斥的各种信息使得人们无所适从,反而造成获取有用资源愈发困难。因此,如何在社交网络中更好为用户推荐用户需要的物品和信息成为研究的方向和热点。针对这个热点问题,很多的研究者们都提出了自己的观点,本文在总结前人观点的基础上,提出一种新的推荐算法来提高推荐效果,达到目标用户的满意度。首先,基于社交网络的特性获取用户在社交网络中两个重要数据——用户的好友关系和用户的历史行为。其次,在深入分析了协同过滤算法后,提出了用户相似度S这一好友关系模型;基于用户在社交网络中对不同好友有不同的偏向,提出了用户信任度T这一好友关系模型;基于不同用户在社交网络中所处的位置不同,因而其重要性和影响力不同,提出了用户信誉度R这一好友关系模型,由于三种好友关系模型在不同层面对推荐结果造成影响,根据三种好友关系模型的不同权重给推荐效果带来的不同变化选取最优推荐效果时的加权求和组合构建新的推荐信任度好友关系模型;再次,通过推荐信任度的大小来决定目标用户的信任用户集合。...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究综述
        1.2.1 内容推荐
        1.2.2 社会网络内容推荐
    1.3 研究内容及论文框架
        1.3.1 研究内容
        1.3.2 论文框架
2 理论与技术基础
    2.1 协同过滤推荐算法
        2.1.1 算法基本思想
        2.1.2 算法实现技术
    2.2 社交网络
        2.2.1 社交网络表示
        2.2.2 社交网络数据源
    2.3 PageRank算法
        2.3.1 PageRank基本思想
        2.3.2 PageRank实现技术
    2.4 本章小结
3 好友关系计算模型
    3.1 引言
    3.2 用户相似度计算模型
        3.2.1 相似度模型设计
        3.2.2 相似度计算示例
    3.3 用户信任度计算模型
        3.3.1 信任度模型设计
        3.3.2 信任度计算示例
    3.4 用户信誉度计算模型
        3.4.1 信誉度模型设计
        3.4.2 信誉度计算示例
    3.5 推荐信任度模型设计
    3.6 本章小结
4 基于好友关系的推荐算法
    4.1 算法设计
        4.1.1 推荐信任度计算
        4.1.2 资源推荐
    4.2 算法评价
        4.2.1 实验设计
        4.2.2 实验数据源
        4.2.3 评价指标
    4.3 实验结果分析
        4.3.1 用户关系模型参数设定
        4.3.2 实验结果
        4.3.3 确定权重
    4.4 实验评价
    4.5 本章小结
5 基于好友关系的推荐算法应用研究
    5.1 系统分析
        5.1.1 需求分析
        5.1.2 系统结构
        5.1.3 开发环境
    5.2 数据库设计
    5.3 主要模块设计
        5.3.1 微课检索
        5.3.2 微课推荐
    5.4 功能展示
        5.4.1 用户注册
        5.4.2 好友关注
        5.4.3 后台管理
        5.4.4 微课推荐
    5.5 系统评价
    5.6 本章小结
6 总结和展望
    6.1 论文总结
    6.2 研究局限与展望
参考文献
攻读学位期间参与项目及科研成果
致谢



本文编号：4055444