1、在當(dāng)前的網(wǎng)絡(luò)時(shí)代，由于數(shù)據(jù)的井噴式增長(zhǎng)，用戶往往無(wú)法在海量的數(shù)據(jù)當(dāng)中獲取到對(duì)自己真正有效的信息，而解決這個(gè)問(wèn)題最好的方式就是推薦系統(tǒng)。協(xié)同過(guò)濾技術(shù)作為當(dāng)前推薦領(lǐng)域最成功，也是應(yīng)用范圍最廣的推薦算法，其本身具有很大的研究?jī)r(jià)值和應(yīng)用價(jià)值。但是，隨著信息量的增長(zhǎng)，協(xié)同過(guò)濾算法的數(shù)據(jù)稀疏性、冷啟動(dòng)等問(wèn)題，也愈發(fā)突出。如何解決這些問(wèn)題，一直都是推薦系統(tǒng)研究的熱點(diǎn)和難點(diǎn)。
　　社交網(wǎng)絡(luò)的興起，為解決協(xié)同過(guò)濾算法存在的問(wèn)題提供了一個(gè)有效的指引。

2、協(xié)同過(guò)濾算法往往只考慮用戶或者項(xiàng)目之間的興趣關(guān)系，而忽略了用戶之間可能存在的信任關(guān)聯(lián)。雖然當(dāng)前對(duì)個(gè)性化推薦的研究過(guò)程中，利用信任關(guān)系在一定程度上緩解了數(shù)據(jù)稀疏性的問(wèn)題，但是在現(xiàn)有可用的網(wǎng)絡(luò)數(shù)據(jù)中，用戶間直接信任關(guān)系很多都無(wú)法直接獲取到，而利用隱式計(jì)算得到的信任關(guān)系，由于數(shù)據(jù)的稀疏性，并不能很有效的體現(xiàn)用戶之間的信任關(guān)系。因此，如何構(gòu)建合理的社交網(wǎng)絡(luò)中用戶之間的興趣信任關(guān)系，是利用社交網(wǎng)絡(luò)來(lái)提高協(xié)同過(guò)濾算法的重要途徑。
　　協(xié)同過(guò)濾

3、算法的關(guān)鍵技術(shù)是鄰域模型和隱語(yǔ)義模型，本文研究基于鄰域模型和隱語(yǔ)義模型的推薦系統(tǒng)理論和實(shí)現(xiàn)方法，并利用社交網(wǎng)絡(luò)改進(jìn)傳統(tǒng)的鄰域模型，最終產(chǎn)生基于社交網(wǎng)絡(luò)和隱語(yǔ)義模型的個(gè)性化推薦模型。在本文中提出了兩個(gè)模型算法：
　　(1)基于用戶信任和推薦反饋機(jī)制的社會(huì)化網(wǎng)絡(luò)推薦模型。該模型綜合考慮用戶之間的信任興趣關(guān)系，將信任可靠性和興趣相似性進(jìn)行融合，并將融合后的關(guān)系作為新的權(quán)重，將好友用戶的意見(jiàn)添加到目標(biāo)用戶中去，同時(shí)采用推薦反饋的方式不斷迭

4、代優(yōu)化權(quán)重，最終得到最優(yōu)的融合信任興趣關(guān)聯(lián)的權(quán)重，構(gòu)建用戶的鄰居模型，從而產(chǎn)生推薦。
　　(2)基于社交網(wǎng)絡(luò)和隱語(yǔ)義模型的個(gè)性化推薦模型。該模型將用戶間的信任興趣關(guān)系加入到隱語(yǔ)義模型中，利用融合用戶間信任興趣關(guān)聯(lián)作為新的權(quán)重，將好友意見(jiàn)添加到模型當(dāng)中，擴(kuò)展目標(biāo)用戶對(duì)隱式特征的偏好，并綜合考慮項(xiàng)目元數(shù)據(jù)和隱式反饋信息，從而形成更好的推薦結(jié)果并給出合理的推薦解釋。
　　本文采用經(jīng)典數(shù)據(jù)集epinions和 m ovielens數(shù)