CASIA OpenIR  > 毕业生  > 博士学位论文
社会媒体中的推荐系统研究
其他题名Recommender Systems in Social Media
张柱
学位类型工学博士
导师曾大军
2014-11-25
学位授予单位中国科学院大学
学位授予地点中国科学院自动化研究所
学位专业计算机应用技术
关键词推荐系统 社会化标签系统 社会媒体 多样性 新颖性 Top-n 预测 链接推荐 信息传播 Recommender System Social Tagging System Social Media Diversity Novelty Top-n Prediction Link Recommendation Information Diffusion
摘要推荐系统是一种解决信息过载和提供个性化服务的信息系统,它与信息检索系统形成了“推信息”与“拉信息”的良好互补关系。推荐系统的主要价值在于:1)它能够帮助用户去发掘和扩展他们的兴趣;2)它能够帮助内容提供商将内容以一种友好的方式推送给潜在的感兴趣的用户。推荐系统设计的主要思路是针对用户与物品隐性的或者显性的交互行为数据,以及用户和物品各自的特征,利用数据挖掘、机器学习和统计学等技术,来预测用户对其他物品的兴趣。推荐系统的评测主要包括了准确性、覆盖率、多样性、新颖性和惊喜性等维度,每个维度分别有不同的度量指标。 近年来,众多社会媒体纷纷涌现,这为推荐系统在数据类型和推荐类型方面带来了新的机遇与挑战。本文主要从三个方面来研究社会媒体中的推荐系统:1)对于社会化标签系统,如何利用用户-标签-物品三者的关系解决数据稀疏性问题;2)如何利用社会化标签系统中的标签信息提升推荐结果的多样性和新颖性;3)利用谱方法研究社交网络中的朋友推荐与信息传播的关系。本文的主要贡献有以下几方面: 1. 提出了一种面向社会化标签系统的基于随机游走的物品推荐模型 为了解决社会化标签背景下物品推荐中的数据稀疏性问题,本文提出了一种基于随机游走的物品推荐模型,它能够有效利用用户、标签和物品三者间的传递关联关系。利用这些传递关联关系可以使得用户-物品、用户-用户和物品-物品等实体之间的关联性的度量更加准确。据此,我们设计了一种类似于PageRank的算法,它通过利用物品图和用户图上的多步随机游走,可以获得用户、标签和物品三者间的传递关联关系以及个性化的物品排序列表。三个真实数据集上的实验评估表明:与几个基本方法相比,该方法能够有效地缓解数据稀疏性和提高物品推荐的准确性。 2. 提出了一种利用标签信息提高物品推荐多样性和新颖性的方法 针对社会化标注数据,本文提出了一种基于扩展用户兴趣广度的新推荐算法框架,该框架可以同步提升推荐结果的相关性、多样性和新颖性。该算法框架主要分为两大部分:扩展用户最初选择的物品集以及传统的协同过滤推荐模型。该框架的优势有:1)它扩展了用户的兴趣范围;2)增加了作为传统的协同过滤推荐模型输入的用户-物品交互矩阵的稠密程度;3)易于和传统的协同过滤推荐模型进行组合。在实验评估部分,本文提出了一种可用于测量推荐列表多样性的测量指标,即标签覆盖率。本文采用了来自三个真实的社会化标签系统的数据集验证本章所提出的算法。实验结果表明:该算法在相关性、多样性和新颖性三个维度都明显地优于原来的协同过滤推荐算法。  3. 基于谱方法对社交网络中的朋友推荐和信息传播进行研究 本文使用谱方法研究了社交网络中链接推荐和信息传播之间的关系。首先,我们测试了网络的谱半径与该网络上信息传播程度的相关关系,通过实验发现了它们之间有很高的皮尔森相关系数。然后,为了能够通过链接推荐促进信息传播,我们提出了一种组合传统链接推荐算法和特征值中心度的启发式算法。在实验评估中,我们使用了三个真实的网络数据集,在推荐结果的...
其他摘要Recommender systems are useful information systems that can solve information overload problem and provide personalized services. Their “push information” mechanism complements the “pull information” mechanism of information retrieval. The main values of recommender systems lie in: 1) to help users discover and extend their interests; 2) to help content providers send content to interested users in a friendly way. The general idea of recommender system design is to predict users’ interest in items by applying data mining, machine learning, and statistics etc. to process explicit or implicit user-item interaction data and the features of users and items. The evaluation of recommender systems mainly includes these aspects such as accuracy, coverage, diversity, novelty, and serendipity. There are different metrics for each aspect. In recent years, many social media tools have emerged, which provides new challenges and chances for recommender systems in terms of data and recommendation system type. In this dissertation, we have studied recommender systems in social media regarding the following three aspects: 1) how to use user-tag-item information to solve data sparsity problem for social tagging systems; 2) how to improve the diversity and novelty of recommendation results by exploiting tag information in social tagging systems; 3) to study friend recommendation and information diffusion in social networks by spectral methods. The contributions of this dissertation are as follows. 1. A random walk model for item recommendation in social tagging systems In order to alleviate data sparsity problem in the context of social tagging systems, we proposed a random walk model for item recommendation which can effectively exploit the transitive associations among users, tags, and items. Using these associations can make the measure of the associations between entities such as user-item, user-user, and item-item etc. more accurate. Therefore, we designed a PageRank-like algorithm which can capture the transitive associations and obtain personalized item ranking lists through multi-step random walks on item graph and user graph. Empirical evaluation on three real-world datasets demonstrates that our approach can effectively alleviate the sparsity problem and improve the quality of item recommendation. 2. An approach to improve the diversity and novelty of recommendation by exploiting tag information As to social tagging data, we proposed a novel item recommen...
其他标识符201018014629098
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6654
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
张柱. 社会媒体中的推荐系统研究[D]. 中国科学院自动化研究所. 中国科学院大学,2014.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20101801462909(3679KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[张柱]的文章
百度学术
百度学术中相似的文章
[张柱]的文章
必应学术
必应学术中相似的文章
[张柱]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。