张婷开题(2)详解.ppt

姓 名 导 师 张 婷 林文斌 基于社交网络的协同过滤推荐算法 专 业 方 向 应用数学 数据挖掘 目录 1 2 3 4 课题的研究意义、国内外现状分析 课题研究目标、研究内容、拟解决关键问题 拟采取的研究方法、技术路线及可行性分析 课题的创新性 5 计划进度、预期进展和预期结果 课题的研究意义（1/4) 信息过载 信息过载 信息的接受者对信息的 反应速度远远低于信息 的传播速度 大量无关的冗余数据信 息严重干扰了受众对相 关有用信息的选择 用户很难发现自己的感 兴趣的部分，大量的无 人问津的信息成为网络 中的“暗信息” 大众媒介中的信息量大 大高于受众所能消费、 承受或需要的信息量 课题的研究意义(2/4) 百度作为搜索引擎的代表 课题的研究意义(3/4) 推荐系统的应用 课题的研究意义(4/4) 推荐系统虽然被应用到很多产业，但依旧存在数据稀疏性，冷启动，扩展性等问题 基于社交网络的推荐可以有效减轻数据稀疏性等问题，自然减轻信息过载，增加推荐的信任度。 国内外现状分析 国内外现状分析 现有的推荐算法 基于内容的推荐算法（content -based） 协同过滤算法（collaborative filtering） 混合推荐算法（Hybrid method) 协同过滤算法（collabortive filtering） 基于用户邻域（User-CF） 基于项目邻域（Item-CF） 协同过滤算法的发展历程 1992年Tapesty做为最早应用协同过滤的设计，主要是解决 Xerox公司在Palo Alto的研究中心资讯过载的问题。 1994年GroupLens的提出，相对于Tapestry，它具有开放性、方便性、 规模性等特点。 2002年协同过滤被运用到很多电子商务公司，如亚马逊，Movielens、 Facebook，yahoo等，在这里虽然商业气息浓厚同时还是带给使用者 很大的方便 课题的研究目标 文章的研究目的是针对协同过滤算法中用户—评分矩阵的稀疏性、冷启动及扩展性问题，提出一种新的利用社交网络交互信息来寻找最近邻的方法，从而提高整个推荐系统的准确性，增加用户对推荐系统的信任度。 课题的研究内容(1/2) 第一章 主要介绍课题的研究背景、研究意义及国内外研究现状，并说明本文的研究目标和内容。 第二章 主要介绍推荐系统的一些主要方法及其在各个领域的应用情况并对各种方法的优缺点进行分析。 第三章 主要介绍社交网络的基本内容并对社交网络在推荐系统中的一些应用进行阐述。 课题的研究内容（2/2) 第四章 介绍融入了社交网络信息的协同过滤推荐算法，给出一种度量用户间相似性的新方法，将用新方法得出的最近邻居集融入到传统的协同过滤算法中。 第五章 实验结果及分析，利用网络爬爬虫技术抓取新浪微博的社交数据对算法进行实现，并将实验结果与传统协同过滤算法的实验结果进行对比。用MAE来度量实验结果。 拟采取的研究方法，技术路线 推荐算法 社交信息 数据集交叉验证 调整融合参数 学习已有的协同 过滤算法模型 定义一种新 的用户间距离公式 课题的创新性 （1）本文在已有的协同过滤算法基础上揉合了社交网络的信息来解决稀疏性、冷启动和扩展性问题。 （2）提出一种新的计算用户间距离的公式，其中考虑用户间的熟悉度和兴趣度，合理调整参数。 2015.11- 2016.1 2015.8- 2015.10 2015.5- 2015.7 2015.1- 2015.4 进度安排、预期成果 查阅文献，确定研究题目 收集资料，进行理论研究 撰写论文，完成论文初稿 提交老师审阅，完成论文初稿 2016.2--- 定稿，准备论文答辩 预期成果：1、在相关期刊上发表相关论文1-2篇 2、完成本课题的学位论文 部分参考文献（1/3) [1]刘建国，周涛，汪秉文.个性化推荐系统的研究进展[J].自然科学进展2009(1):1-15. [2]Goldberg D, Nichols D. Oki B M,et al.Using collaborative filtering to weave an information tapestry[J].Communicat