毕业论文答辩..ppt

3.基于社交网络的协同过滤推荐方法 用户兴趣模型挖掘 基于向量空间模型（Vector Space Model） ((t1,w1),(t2,w2),(t3,w3),……,(tn,wn)) Interest=Profile，Tag SocialRelation=Similarity, Familiarity * 3.基于社交网络的协同过滤推荐方法 构建基于兴趣模型的社交网络关系 用户相似度：余弦相似度 用户熟悉度：Jaccard指数 * 3.基于社交网络的协同过滤推荐方法 构建基于社交网络的协同过滤推荐模型 社交网络邻居评分 协同过滤邻居评分 * 3.基于社交网络的协同过滤推荐方法 实验设计 评价绝对偏差（Mean Absolute Error，MAE） 预测评分集合{p1,p2,…,pn} 实际评分集合{q1,q2,……,qn} * 3.基于社交网络的协同过滤推荐方法 实验步骤 1.首先把文本数据格式化处理 2.以协同过滤方式预测用户评分并对比计算MAE 3.结合社交网络预测用户评分并对比计算MAE 4.计算社交网络用户邻居与协同过滤邻居权重比例 * 3.基于社交网络的协同过滤推荐方法 实验结果 MAE值随用户邻居数量变化情况 * 3.基于社交网络的协同过滤推荐方法 实验结果 MAE值随用户邻居组合变化情况 * 目录 1 绪论 2 相关技术分析 3 基于社