融合社会关系的资源推荐方法的研究.docVIP

A Thesis Submitted to Partial Fulfillment of the Requirements for the Degree of Master of Engineering Research on Recommendation Integrat- ing Social Relations Candidate : Shu Hu Major : Electronic and Communication Engineering Supervisor : Prof. Wenyu Liu Huazhong University of Science and Technology Wuhan， Hubei 430074，P. R. China May，2012 独创性声明 本人声明所呈交的学位论文是我个人在导师的指导下进行的研究工作及取得的 研究成果。尽我所知，除文中已标明引用的内容外，本论文不包含任何其他人或集 体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文 中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：  日期：  年  月  日  学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密□，在______年解密后适用本授权书。 本论文属于 不保密 。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日  华 中 科 技 大 学 硕 士 学 位 论 文 摘 要 随着 Internet 的发展，网站在为用户提供越来越多信息的同时，其结构也变得 更加复杂，如何及时地在网络上的海量信息中发现所需要的信息已经变得越来越困 难。用户经常会迷失在 Web 提供的大量信息中；同时，符合某部分用户需求的 Web 也失去了与有价值用户的联系。因此，资源推荐系统的地位在Web2.0 时代显得尤为 重要。 传统的资源推荐系统以协同滤波为核心技术，已经受到了研究界的广泛关注。 其中，传统的协同过滤技术是基于邻域假设或者直接依赖于一个学习模型。资源推 荐可被视为一个矩阵完成过程，进而能够被制定为一个半正定规划。需要指出的是 传统的资源推荐方法都是建立在一个基本假设之上，即用户之间是独立的并且忽略 不同用户之间的社会关联。 为了解决这一问题，若干纠正方案已被提出，其核心就是将社会关系信息融入 资源推荐系统。即从传统的资源推荐向融合了社会关系的社会推荐过渡。最初的社 会推荐方法引入了一个系统的概率矩阵分解方法以充分考虑用户兴趣，该方法显示 了其在大量资料项遗失的大规模数据集上的高标准性能水平。但是其不足之处在于， 将社会信息直接融入用户物品矩阵增加了优化过程中的计算消耗，尤其是当数据集 有大量用户信任关联的时候。 当前，更高级的社会推荐方法的研究已经成为了研究领域的热点问题之一。与 现有研究成果不同的是，本文使用的方法基于一个具有低计算复杂度特性的扩展拉 格朗日方法，构造相应的半正定规划优化问题以平衡矩阵分解方法的性能。该方案 的核心在于利用graph Laplacian 明确用户间的社会关系，并寻找融合社会关系约束的 最优潜在因子矩阵，从而将其描述为一个较低运算开销的半正定规划问题。 最后，在大型数据集Epinions 和豆瓣网站上的实验结果表明，本文所使用的融 合社会关系的资源推荐算法性能明显优于目前比较流行的几种社会推荐方法，从而 证明了该方法对于解决大型数据集上资源推荐问题的可行性与有效性。 关键词：资源推荐 社会关系 社会推荐 矩阵分解 半正定规划 I 华 中 科 技 大 学 硕 士 学 位 论 文 Abstract In the wake of rapid developments of Internet, websites evolve with more complex archi- tecture while providing much more information; therefore, the difficulty of exploring an- ticipated information under the enor