1、互聯(lián)網(wǎng)的飛速發(fā)展帶來了極其豐富的信息資源，人們的生活也因此而改變。然而人們?cè)谙硎茇S富的信息資源帶來的方便的同時(shí)也面臨著新的問題:如何從浩瀚的信息資源中準(zhǔn)確有效的找到真正需要的信息。因此個(gè)性化推薦應(yīng)運(yùn)而生。個(gè)性化推薦算法中應(yīng)用最為廣泛的算法是協(xié)同過濾推薦算法。協(xié)同過濾推薦重點(diǎn)在于找到與目標(biāo)用戶具有較高相似性的鄰居集合，然后利用鄰居集合的評(píng)分?jǐn)?shù)據(jù)來預(yù)測(cè)目標(biāo)用戶的評(píng)分。
　　 雖然推薦技術(shù)的研究已經(jīng)取得了許多成果，但是新事物的發(fā)展往往

2、會(huì)帶來新的突破，正如本文將要研究的社交網(wǎng)絡(luò)的發(fā)展對(duì)協(xié)同過濾推薦所帶來的影響。傳統(tǒng)的協(xié)同過濾算法在研究用戶間的關(guān)系時(shí)是基于用戶共同評(píng)價(jià)過的項(xiàng)目，但是每一個(gè)用戶作為一個(gè)“人”必然會(huì)受到周圍其他人的影響。因此應(yīng)該將用戶間的關(guān)系以及整個(gè)用戶網(wǎng)絡(luò)結(jié)構(gòu)納入?yún)f(xié)同過濾推薦算法的研究中來，而社交網(wǎng)絡(luò)正好為這樣的研究提供了非常好的平臺(tái)。
　　 本文將社交網(wǎng)絡(luò)引入?yún)f(xié)同過濾推薦算法并進(jìn)行了深入研究，包括提高算法的推薦精度以及解決算法存在的一些問題。本文

3、主要工作如下:
　　 首先，提出了基于社交網(wǎng)絡(luò)中社區(qū)聚類的協(xié)同過濾推薦算法(SNS-based CF)。社交網(wǎng)路源于現(xiàn)實(shí)的人際關(guān)系又有現(xiàn)實(shí)人際關(guān)系所不具備的一些特點(diǎn)，它一方面形成了一些以用戶背景（如教育背景，地域等）為基礎(chǔ)的社區(qū)，另一方面形成許多以用戶興趣為基礎(chǔ)的社區(qū)。而這些興趣社區(qū)是由人們不斷交流而產(chǎn)生的較為固定的結(jié)構(gòu)，社區(qū)內(nèi)對(duì)用戶進(jìn)行協(xié)同過濾推薦不僅包含了傳統(tǒng)協(xié)同過濾推薦算法中鄰居用戶的意見，還考慮了用戶真正的興趣，因此推薦

4、算法的精度得到了提高。
　　 其次，在推薦過程中新用戶和新項(xiàng)目由于缺少評(píng)分信息而無法進(jìn)行推薦，這是推薦系統(tǒng)中廣泛存在的冷啟動(dòng)問題。目前很多方法都是利用項(xiàng)目內(nèi)容信息來解決冷啟動(dòng)問題的，但是實(shí)際操作中項(xiàng)目內(nèi)容信息卻很難獲取。本文通過利用社交網(wǎng)絡(luò)所獲取的用戶關(guān)系信息，同時(shí)借鑒社會(huì)學(xué)中的圈子文化之一理論，提出了一種基于社交網(wǎng)絡(luò)的圈友信息的協(xié)同過濾推薦算法(FBCF)，并考慮了用戶圈友與鄰居之間的關(guān)系，這樣做緩解了冷啟動(dòng)問題，通過實(shí)驗(yàn)可以