移動社交網絡信息過濾及推薦系統(tǒng)研究.pdf

1、隨著移動互聯(lián)網的快速發(fā)展，移動社交網絡日漸成為我們生活中不可缺的一部分，移動社交網絡具有的廣大的用戶群體、迅捷、開放式的信息傳播方式特性對商品營銷而言極具吸引力。但是現有的移動社交網絡缺乏正規(guī)友好的商品宣傳機制和虛假偽劣商品信息甄別機制，從而導致移動社交網絡中各種廣告宣傳無孔不入，廣告信息真假難辨，嚴重影響正常用戶的社交體感。為了解決這一問題，本文從兩個方向進行解決。
　　一方面，為了解決垃圾廣告信息影響正常用戶社交的問題，文本研

2、究了垃圾信息過濾相關現有技術，其中基于機器學習分類的過濾方法正確率高、成本低，特別是其中的SVM分類方法。但SVM分類方法訓練時間過長，不能靈活應對數據集的變化，針對此問題本文提出了一種改進的SVM增量學習算法，相比于傳統(tǒng)的SVM增量學習算法，在保持準確率的同時，節(jié)約學習時間，提升學習效率。應用于垃圾廣告信息過濾系統(tǒng)之中，獲得較好的過濾效果。
　　另一方面，通過研究社交網絡中商品推薦現有的算法，對現有推薦方法，結合本課題實際需求，

3、重點研究了社交網絡信息對于商品推薦的積極意義，提出一種基于社交網絡的混合推薦系統(tǒng)。以用戶社會關系網絡為基礎，挖掘出與被推薦用戶興趣相似度最高的N個用戶。與此同時，考慮社交網絡的用戶消息中包含的用戶可能的商品需求，對用戶的消息進行挖掘，將挖掘出的信息應用到推薦之中，獲得了較好的推薦效果和用戶滿意度。
　　最后，展示了本文提出的移動社交網絡信息過濾及推薦系統(tǒng)在“友信”系統(tǒng)中的實現以及取得的效果，并分別針對過濾算法和推薦算法對算法性能進