融合图数据社交推荐的研究与应用.pdfVIP

摘要

随着互联网的快速发展，物品信息量激增，人们很难在信息量巨大的网络中找到

自己想看的或者想要的东西。于是众多学者将社交网络与推荐系统结合起来，希望通

过利用用户在社交网络中的行为信息来提高推荐的准确性和个性化程度。随着图神经

网络的提出，众多学者将社交网络构建为图，通过使用图神经网络对图进行挖掘，随

后使用挖掘后的数据进行推荐。但大多研究只是简单地引入社交关系，并未考虑到用

户与项目的潜在因素。此外，情感因素也是影响推荐准确性的一个重要指标，但现阶

段情感推荐只是对情感分类方法的改进，并没有考虑情感的信任度问题。针对上述问

题，本文对融合图数据与图神经网络的社交推荐模型展开研究。主要包括以下内容：

(1)针对未考虑用户与项目的潜在因素问题，提出了基于用户与项目潜在因子的

社交推荐算法（SocialRecommendationAlgorithmbasedonUserandProjectpotential

factorsSRAUP

，），考虑了不同区域用户的消费习惯差异，通过设置区域权重来区分

用户。首先，根据用户所处地理位置信息将其划分到不同的区域，并为每个区域设定

权重，以反映该区域用户的整体消费特征。然后，考虑了品牌对用户购买行为的影响，

通过划分的区域信息，对区域内的相关品牌进行分类，将其纳入到项目图边权重计算

中。

(2)针对现阶段情感推荐只是对情感分类方法的改进，并没有考虑情感的信任度

问题，提出了基于投票影响力指数的社交推荐算法（SocialRecommendationAlgorithm

BasedonVotinginfluenceindex，SRABV），利用情感权重和投票影响力指数来综合评

估评论的情感类型和可信度。首先，根据用户的行为数据，构建了隐式社交网络，本

文认为使用用户交互信息计算的相似度较高的用户之间，情感相似度也就更大。然后，

创建用户-物品异构图，并计算边权重。情感权重根据用户对物品的评论信息计算。其

次，引入投票影响力指数来综合考虑其他用户对评论的认可程度。最终，结合情感权

重和投票影响力指数，计算每条评论的最终权重，并将其作为边权重与构建的隐式社

交网络一同置入异构图中。

(3)基于本文提出的改进方法，设计并实现了一个个性化图书推荐系统。系统包

括注册登录、最热书籍、读书论坛、图书推荐等功能。最后对系统的功能进行测试，

验证了系统的可用性。

关键字：社交推荐；图数据；图神经网络；隐式社交网络；投票影响力指数

ABSTRACT

WiththerapiddevelopmentoftheInternet,theamountofinformationaboutitemshas

increaseddramatically.Itisdifficultforpeopletofindwhattheywanttoseeorwantina

networkwithsuchahugeamountofinformation.Therefore,manyscholarshavecombined

socialnetworkswithrecommendationsystems,hopingtoimprovetheaccuracyand

personalizationofrecommendationsbyutilizingthebehavioralinformationofusersin

socialnetworks.Withtheintroductionofgraphneuralnetworks,manyscholarshave

constructedsocialnetworksasgraphs,minedthegraphsusinggraphneuralnetworks,and

thenusedthemineddataforrecommendations.However,moststudiessimplyintroduced

socialrelationshipswithoutconsideringthepotentialfactorsofusersandprojects.In

addition,emo