面向社交網(wǎng)絡的個性化推薦方法.pdf

1、面向服務的計算發(fā)展日新月異，面對互聯(lián)網(wǎng)海量的功能屬性相近的服務，如何從大量服務中選擇出符合用戶自身個性化偏好的服務，如何從候選服務中為使用者推薦迎合其需求的服務，這成為了Web服務推薦的關鍵技術。
　　當前的社交應用平臺如 facebook、推特、新浪微博以及基于位置的社會化網(wǎng)絡（Location-Based Social Networks,LBSN）等已普遍應用，用戶數(shù)量日益增多，社交網(wǎng)絡的使用者如何快速檢索到符合自己興趣偏好的

2、服務信息已成為一個備受關注的話題。傳統(tǒng)的個性化推薦方法，如協(xié)同過濾方法等，雖有不俗的表現(xiàn)，然因社交網(wǎng)絡自身的特點，這些傳統(tǒng)的方法的準確度大打折扣。本文關注社交網(wǎng)絡中用戶關聯(lián)、用戶興趣傳播、好友之間信任傳遞以及項目本身屬性對推薦結(jié)果的影響，提出一種利用LBS N數(shù)據(jù)和使用者關系來產(chǎn)生推薦列表的方式，利用社交環(huán)境中用戶們上傳的景點照片等信息評估用戶偏好；利用好友親密度、用戶景點評分尋找其相似鄰居；在考慮到使用者興趣偏好的同時也考慮景區(qū)的適宜

3、旅行時間以及候選景區(qū)附近的其他地區(qū)的推薦。
　　現(xiàn)有使用社會性網(wǎng)絡服務（Social Networking Services,SNS）的信任關系推薦時通常僅考慮到用戶社會關系或服務全局評分中的某一方面。實際中用戶在選擇各式各樣的服務時，往往選擇信譽良好、綜合評分高的服務，也會兼顧信任好友的意見。本文探索如何在海量功能相似、評分差別不大的服務中利用信任關系和興趣偏好獲得推薦列表。當目標使用者和好友都未選擇過目標服務時，選用服務的流行