基于用户情境的社交网络推荐-计算机科学与技术专业论文.docxVIP

基于用户情境的社交网络推荐-计算机科学与技术专业论文.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
万方数据 万方数据 Dissertation Submitted to Shanghai Jiao Tong University for the Degree of Master in Computer Science and Technology SOCIAL NETWORK RECOMMENDATION BASED-ON USER CONTEXT Duyi Chen Supervisor Prof. Gang Wu SCHOOL OF SOFTWARE SHANGHAI JIAO TONG UNIVERSITY SHANGHAI, P.R.CHINA Jan. 7th, 2014 万 万万数据 上海交通大学 学位论文原创性声明 本人郑重声明 :所呈交的学位论文,是本人在导师的指导下,独 立进行研究工作所取得的成果 。除文中己经注明引用的内容外 ,本论 文不包含任何其他个人或 集体已经发表或撰写过的作品成果 。对本文 的研究做出重要贡献的个人和 集体,均己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 : 战斗时 日期: yolυ 年/月?日 万 万方数据 上海交通大学 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, 同意学校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。本人授权上海交通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 。 保密口,在 年解密后适用本授权书 。 本学位论文属于 不保密田。 (请在以上方框内打 u ..; ) 学位论文作者签名 :f\ 1;)(1j 时也叫 日期:)Vl也年 l 月号 日 日期:7ól 1 年 l 月 3 日 上海交通大学 学位论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独 立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体,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 上海交通大学 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, 同意学校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。本人授权上海交通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。 本学位论文属于 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 上海交通大学硕士学位论文AB 上海交通大学硕士学位论文 ABSTRACT 基于用户情境的社交网络推荐 摘 要 随着互联网技术的发展,推荐引擎作为一种信息发现技术,越来 越受到人们的关注。在社交网络中的推荐技术也引起人们的关注,主 要的原因是 Web 2.0 技术的发展使得信息的创建和分享越来越容易, 信息极度爆炸,而信息发现变得越来越难。在社交网络中,相对于传 统的目标明确的搜索,推荐技术是更符合人类习惯的信息发现方式。 传统的推荐技术主要有基于协同过滤的推荐。在社交网络中,协 同过滤的方法已经不能用来完全刻画复杂的社交网络关系。所以要解 决社交网络的推荐问题必须要解决两个问题,首先是用户在社交网络 中的行为模型,这个问题是一个社会学问题,即有哪些因素会影响用 户的行为,从而提出一个符合现实的用户行为模型,该模型需要反映 社交网络中各个因素的相互影响关系和对用户行为的影响。其次是针 对建立的行为模型提出一个好的推荐算法,该算法需要反映上述的用 户行为模型,并且用来挖掘已有的数据,从而得出一个更为精确的推 荐结果。 针对以上问题,本文首先通过分析社交网络的特点和社交网络中 用户行为的特征,提出了一种既考虑了社交网络中的社会关系和用户 个性化的喜好,同时包括了用户在浏览社交网络时实时动态的情境因 素的用户行为模型。然后,结合已有的推荐方法,将该行为模型公式 化,提出了一个基于用户情境的三维的社交网络推荐算法,通过计算 动态情境下用户对信息内容的喜好度和信息发送者对用户的影响,最 终得到用户对该信息采纳的可能性。 基于上述提出的方法,本文对基于情境的社交网络推荐方法进行 了设计与实现。最后,使用已爬取的新浪微博数据,对本文提出的方 I 法和设计实现进行了实验验证和分析。实验结果表明,本文的解决方 案能在社交网络特定情境下,更精确地给用户推荐更符合用户喜好的 内容。 关键词:

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档