基于社交网络的个性化推荐系统研究与实现

作     者：温瑞龙 

作者单位：浙江工业大学 

学位级别：硕士

导师姓名：江颉;陈铁明

授予年度：2015年

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：个性化推荐 社交网络 社区 SimRank MapReduce 

摘      要：随着信息技术的快速发展,“信息过载问题日趋严重,个性化推荐作为解决信息过载问题的重要方式一直是广大学者和业界的研究热点。现有的个性化推荐算法尚存在冷启动、数据稀疏、推荐算法拟合等问题。因此,新的个性化推荐方法仍在不断研究。由于目前个性化推荐系统对于网络结构的研究相对较少,考虑到社交网络中信息传播结构的重要性,本文对社交网络进行分析,提出了一种基于社交网络结构的个性化推荐算法并建立了基于微博实验数据的推荐系统。论文主要研究工作:1.研究社交网络的基础结构,针对层次聚类法划分社区时终止条件的不确定性以及经典社区发现GN算法具有较高的复杂度问题,提出了基于活跃节点的社区发现算法,以活跃节点作为初始聚类中心,通过节点间的距离对所有结点进行聚类得到社区划分,并用MapReduce框架实现算法的并行计算,提高算法的执行效率。2.研究基于链接关系的相似度计算方法SimRank及其并行实现。分析改进的Delta-SimRank算法,针对并行Delta-SimRank算法Map阶段未考虑边的方向问题,改进了Delta-Simrank的MapReduce实现,并使用Facebook数据集对改进算法进行了验证。3.结合网络的社区结构和SimRank算法,提出了基于网络结构的个性化推荐算法,设计了基于Hadoop云平台的社交网络个性化推荐系统,并以新浪微博数据检测了系统的有效性。