基于关联规则SNS网站个性化推荐研究.pdf

第 4l卷第 23期 数学的实践与认识 Vo1．41．NO．23 2011年 12月 MATHEMATICSIN PRACTICE AND THEORY Dec．．2011 基于关联规则的 SNS网站个性化推荐研究 武 森，徐 丽，李志才 (北京科技大学经济管理学院，北京100083) 摘 要：以关联规则为理论基础，针对社会性网络服务 (SocialNetworkingServices， SNS)网站的个性化推荐问题进行研究．在系统总结个性化推荐方法基础上，详细给 出基于关联规则的个性化推荐过程，综合运用可信度和作用度两个指标更好地对生 成的关联规则进行评价．并采用 SNS网站实际运营数据有效实现个性化推荐，对个 性化推荐技术在 SNS网站的实际应用价值进行拓展分析． 关键词：社会性网络服务；个性化推荐；关联规则 1 引言 在 20世纪90年代，个性化推荐被作为一个独立的概念提出来 其通过建立用户与产 品之间的二元关系，利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象，进 而向用户提供个性化推荐服务．个性化推荐从根本上说是代替用户评估未接触过的产品．这 些产品包括图书、电影、CD、网页、甚至可以是饭店、音乐、绘画等等． ． 个性化推荐技术可以分为如下几类 [2-3]：一是协同过滤 (collaborativefiltering)[-5]．其 核心思想是利用用户的历史信息计算用户之间的相似性，然后利用与 目标用户相似性较高的 邻居对其他产品的评价来预测 目标用户对特定产品的喜好程度，进而根据这一喜好程度来对 目标用户进行推荐．二是内容过滤 (content—basedfiltering) 该方法分别对用户和产品建立 配置文件，通过比较用户与产品配置文件的相似度，向用户推荐与其配置文件最相似的产品． 三是混合推荐 (hybridrecommendation)7[]．所采用的技术是上述协同过滤和内容过滤两种推 荐技术的组合．四是最近兴起的基于网络结构 (network—based)的推荐算法 8[J．基于网络结构 的推荐算法不考虑用户和产品的内容特征，而仅仅把它们看成抽象的节点，所有算法利用的 信息都藏在用户和产品的选择关系之中． 个性化推荐技术已经在 Amazon、eBay、淘宝、当当等电子商务网站得到广泛应用．一 些学者对该项技术在数字图书馆 [9】、传统商业 [10】等领域的应用也进行了研究．本文对个 性化推荐技术在社会性网络服务 (SocialNetworkingServices，SNS)网站中的应用进行研充 SNS网站作为交互性信息平台能够帮助用户维系并扩展网络世界里有价值的关系网络，其随 着Web2．0技术的成熟而出现并得到了快速的发展．本文基于数据挖掘中的关联规则对 SNS 网站的个性化推荐问题进行研究，并采用某 SNS网站的实际数据进行个性化推荐应用分析． 收稿 日期：2011—07—16 资助项 目：国家自然科学基金 ；中央高校基本科研业务费专项资金 (FRF—TP一10—006B) 数 学 的 实 践 与 认 识 41卷 2基于关联规则的个性化推荐方法 关联规则挖掘是数据挖掘领域的一个重要分支，其任务是找出所有满足支持度和可信度 要求的关联规则．根据当前用户过去感兴趣的内容，通过关联规则可以推出用户还没有购买 但可能感兴趣的内容．本文针对基于关联规则的个性化推荐方法，将可信度和作用度作为评 价用户感兴趣的度量标准，生成了最终的推荐结果． 2．1关联规则基础 关联规则由Agrawa等人于 1993年提出，它是指大量数据项集之间有趣的关联或者相 关联系 [11]．设 ={l，i2，… ， )是项的集合，D是事务数据库，每个事务 是不同项的集 合， ．设 A和 B都是项集，关联规则是形如 A：B的蕴含式，其中AcI，BcI，并 且 nB= ．关联规则 A=B在事务集D中的支持度 support和可信度 confidence分别 为support(A=B)=P(AnB)和confidence(A=B)=P(BIA)．关联规则A=B在