收藏本站
《电子科技大学》 2020年
收藏 | 手机打开
二维码
手机客户端打开本文

基于人际吸引关系的用户推荐算法研究

宋俊毅  
【摘要】:社交网络帮助人们扩展关系相比传统线下方式具有优越的便利性,所以社交网络逐渐成为人们用于扩展关系圈的重要途径。用户推荐算法研究社交网络中如何推荐给目标用户其感兴趣的其他用户,一直以来是社交网络中研究的热门方向。用户推荐主要为好友推荐,本文研究内容也主要围绕好友推荐展开。人际吸引出自心理学概念,研究内容是影响人们之间成为朋友乃至恋人的要素,以及各个要素之间的相互关系。本文依据人际吸引相关概念,针对传统基于内容的好友推荐算法中暴露的部分问题提出了解决方案。针对基于内容的好友推荐算法应用场景复杂多样,本文提出了多种算法改进方法。其主要贡献如下:1.针对传统基于内容的好友推荐算法忽略用户能力因素的问题,本文结合了人际吸引相关概念,在用户模型中加入能力模块。提出一种融合用户兴趣和受欢迎能力的好友推荐算法。本算法融合了用户间兴趣相似度和受欢迎能力相似度来计算用户间吸引度值,并按照吸引度值从高到低推荐用户。基于真实数据测试下的实验验证,改进后的算法比传统基于兴趣的好友推荐算法在推荐结果各项指标上存在一定提高。2.针对传统情感相似度算法忽略用户情感特征值存在负向的问题,提出了一种基于改进情感相似度算法的好友推荐算法。本文结合了心理学中的损失厌恶理论,首次在计算情感相似度的过程中对用户间情感倾向相同和相反时采取了不同处理方法。通过真实数据的实验表明相比基于传统相似度算法的好友推荐算法,基于改进情感相似度算法的好友推荐算法可以优化好友推荐效果。3.针对传统获取用户情感特征中可能存在不同特征项的主题之间存在重复问题。本文提出一种获取用户情感特征的改进方法,在主题模型和情感分析的基础上,加入凝聚层次聚类算法。实现将原情感特征中存在重复的不同项进行合并以达到优化用户情感特征的效果。并将改进后的情感特征获取方法结合基于改进情感相似度算法的好友推荐算法,得到一种基于改进用户情感特征的好友推荐算法。通过真实的数据集测试中,基于改进用户情感特征的好友推荐算法相比基于改进情感相似度算法的好友推荐算法在推荐常见评价指标上得到了进一步的提升。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前12条
1 崔春生;王雪;李文龙;;情境环境下基于用户画像的旅游产品推荐算法研究[J];数学的实践与认识;2019年20期
2 雷鸣;朱明;;一种改进的基于项目语义的推荐算法[J];微电子学与计算机;2016年12期
3 王扶东;俞立群;;垂直学习社区基于学习兴趣与风格的社会化推荐算法[J];小型微型计算机系统;2020年01期
4 尚立;;基于协同过滤的改进课程推荐算法[J];科技传播;2020年05期
5 孟晗;高岑;王嵩;张琳琳;刘念;;结合信任关系的用户聚类协同过滤推荐算法[J];计算机系统应用;2020年08期
6 李圣秋;吴伟明;谷勇浩;;一种结合评分时间特性的协同过滤推荐算法[J];软件;2016年11期
7 闫晓珊;米红娟;;一种团购商品的个性化推荐算法研究[J];北京电子科技学院学报;2016年02期
8 李敬兆;朱东郡;谭大禹;;动态多源时间认知推荐算法研究[J];计算机应用与软件;2017年02期
9 张玉超;王民川;黄继海;;定向信息推荐下多维信任数据协同推荐算法研究[J];科学技术与工程;2017年19期
10 吴佳炜;;关于协同过滤推荐算法的研究文献综述[J];商;2016年29期
11 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期
12 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期
中国重要会议论文全文数据库 前10条
1 李耀华;张蕊;;基于Mahout的协同过滤推荐算法的实现[A];第三十四届中国(天津)2020’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2020年
2 米传民;彭鹏;单晓菲;马静;;考虑显式评分的基于二部图的推荐算法[A];第十七届中国管理科学学术年会论文集[C];2015年
3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
4 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集(技术报告篇)[C];2007年
5 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年
6 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文(摘要)汇集[C];2009年
7 梁莘燊;刘莹;;基于效能的学术资源推荐算法研究[A];第六届(2011)中国管理学年会——信息管理分会场论文集[C];2011年
8 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
9 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年
10 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集(一)[C];2008年
中国重要报纸全文数据库 前10条
1 建行上海市分行 王慧;试析商业银行“协同过滤推荐算法”[N];上海金融报;2017年
2 记者 王李科;四川首个人工智能政策引擎在双流区正式上线[N];成都日报;2017年
3 记者 王夕;网络也会“读心术”[N];北京科技报;2011年
4 本报记者 卜叶;“我是不是被窃听了?”[N];中国科学报;2020年
5 杨鑫宇;织就“信息茧房”的人,或许就是你自己[N];中国青年报;2020年
6 中国青年报·中青在线记者 杜园春 实习生 高卿雯;大数据为新生寻找志同道合舍友[N];中国青年报;2018年
7 林芮;当心“过滤泡泡”主宰了你[N];人民日报;2016年
8 本报记者 程墨 特约通讯员 杨保华;武汉理工“冒”出数十个百万身家大学生[N];中国教育报;2015年
9 张昊;Goodreads,与敌人睡觉[N];经济观察报;2013年
10 约瑟夫·A·孔斯坦 约翰·李德 美国明尼苏达大学的计算机科学教授;购物网站“猜你喜欢”背后的商业法则[N];消费日报;2015年
中国博士学位论文全文数据库 前10条
1 丁玥;基于多源数据的协同过滤推荐算法研究[D];上海交通大学;2018年
2 张艳;基于机器学习的推荐算法研究与应用[D];电子科技大学;2019年
3 丁永刚;融合多指标评分与多源文本的推荐算法研究[D];武汉大学;2018年
4 耿冰蕊;基于多目标优化的个性化推荐算法研究[D];西安电子科技大学;2018年
5 赵震宇;基于深度学习和海云协同的推荐方法研究[D];中国科学技术大学;2019年
6 邢淑凝;基于深度学习的多源信息融合推荐算法研究[D];山东师范大学;2019年
7 李文俊;时间感知的推荐算法研究[D];电子科技大学;2017年
8 伊华伟;基于可疑用户度量的鲁棒推荐方法研究[D];燕山大学;2016年
9 冯浩源;动态用户兴趣模型构建及推荐算法研究[D];天津大学;2017年
10 陈玲姣;基于社交网络个体行为特征的信息推荐算法研究[D];电子科技大学;2018年
中国硕士学位论文全文数据库 前10条
1 宋俊毅;基于人际吸引关系的用户推荐算法研究[D];电子科技大学;2020年
2 郭文健;基于信任网络的个性化推荐算法研究[D];曲阜师范大学;2017年
3 赵凤跃;协同过滤与基于内容的混合推荐算法研究[D];天津财经大学;2016年
4 宋波伟;在线社会网络中好友推荐算法研究[D];太原理工大学;2016年
5 张学胜;面向数据稀疏的协同过滤推荐算法研究[D];中国科学技术大学;2011年
6 王顺;融合信任关系的双层扩散网络推荐算法研究[D];江西财经大学;2020年
7 严文强;基于深度学习的专利推荐算法研究与应用[D];安徽大学;2020年
8 苏华仃;基于矩阵分解的推荐算法的研究[D];河北大学;2020年
9 战凯;基于遗忘函数和项目流行度的推荐算法研究[D];北方民族大学;2017年
10 吴峥;基于项目占比因子和群组贡献度的推荐算法研究[D];西南交通大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978