Algorithmic Approach to Address Item Recommendation and Cold Start Issues in Social Networks

Algorithmic Approach to Address Item Recommendation and Cold Start Issues in Social Networks

论文摘要

社交网络是朋友,亲戚,熟人,同事等现实世界的关系的数字表示。每个人在现实世界上与其他人互动,谈论不同的问题,提供意见,分享彼此的事情。在数字世界中,社交网络提供与现实世界相同的功能。随着Web2.0应用的进步,社交网络促进人们保持联系,即使其中某些不会定期交流。随着信息快速扩散,如何找到并确定优先次序将是一个巨大的挑战。社交网络一般采用协同过滤,内容过滤和混合系统结合用户以前的浏览模式来进行推荐。此前采用的方法是依据用户选定类别的优先级,计算内容和用户关联度。整个评分系统包括不同的背景下对多个属性的计算。例如,在社交网络中使用过往浏览模式和亲近程度作为重要属性计算关联度,而在其他一般推荐系统可能使用类似浏览模式作为重要属性。这项研究的目的是推导在社交网络中常见的隐私设置的内容,创建时间,与其他用户亲近程度等的优先级。另一个涉及到推荐的重要方面是冷启动问题,即缺乏数据,这成为社交网络的瓶颈。这项研究的目的是通过寻找社区领袖和从社区领袖获取内容解决瓶颈。本文还提出了数据存储解决方案来和相关算法以便在实际应用中计算。整个研究基于实际的社交网络Wospace (www.wospace.net),实验结果表明在推荐机制的变化后,用户反应点击次数,观点和活动的显着增加,证明了该方法的有效性。

论文目录

  • DEDICATION
  • ABSTRACT
  • 摘要
  • TABLE OF CONTENTS
  • LIST OF FIGURES
  • LIST OF TABLES
  • CHAPTER 1: Introduction
  • 1.1 Privacy
  • 1.2 Brief Overview
  • CHAPTER 2: Background and Motivation
  • CHAPTER 3: System Design and Implementation Details
  • 3.1 Old Approach
  • 3.1.1 Mechanism and Prioritizations
  • 3.1.2 Story Types
  • 3.1.3 Drawbacks
  • 3.1.4 Database Design
  • 3.2 The Proposed Solution
  • 3.2.1 Favorite Friends
  • 3.2.2 Favorite Stories
  • 3.2.3 Database Fetch
  • 3.2.4 Score Computation
  • 3.2.5 Time
  • 3.2.6 Final Calculations
  • 3.2.7 Activity Prioritization
  • 3.2.8 Score Computation Examples
  • 3.3 Cold Starts
  • 3.3.1 Existing information
  • 3.3.2 Finding Community Leaders
  • 3.3.3 Cold start within Cold start
  • 3.3.4 Serving Content
  • 3.4 Profile Feeds
  • 3.5 Design Considerations
  • 3.5.1 Inserts
  • 3.5.2 Deletes
  • 3.5.3 Updates
  • 3.6 Performance Considerations
  • 3.7 Content Generation
  • 3.7.1 Create
  • 3.7.2 Edit
  • 3.7.3 Comment
  • 3.7.4 Others
  • CHAPTER 4: Results Evaluation
  • 4.1 User Registrations
  • 4.2 User Logins
  • 4.3 User Clicks
  • 4.4 Profile Views
  • 4.5 Cold Starts
  • 4.6 Page Views
  • 4.7 User Activities
  • 4.7.1 Month-wise break down of activities
  • 4.7.2 Cold start User activities
  • 4.7 Conclusion
  • 4.8 Performance Evaluation
  • CHAPTER 5: Conclusion & Future Work
  • 5.1 Scoring Mechanism
  • 5.2 Cold Starts
  • 5.3 Future Work
  • References
  • Appendix Ⅰ:List of Items in Wospace
  • Appendix Ⅱ:List of Weak Items in Wospace
  • Appendix Ⅲ:List of activities
  • 相关论文文献

    • [1].一种浏览模式自动调节方法、装置及移动终端[J]. 科技资讯 2016(30)
    • [2].将安全程度提升至最高级别[J]. 网友世界 2010(01)
    • [3].激活IE8光标浏览模式[J]. 电脑迷 2009(03)
    • [4].以Web用户关联关系为属性的浏览模式聚类[J]. 计算机工程与应用 2010(30)
    • [5].基于FLaAT的模糊用户偏爱浏览模式的增量挖掘[J]. 计算机应用与软件 2009(10)
    • [6].Office的多标签浏览模式[J]. 电脑爱好者 2016(19)
    • [7].基于模糊粗糙近似的web浏览模式的聚类[J]. 系统工程学报 2010(01)
    • [8].定制浏览 简单各取所需[J]. 电脑迷 2009(21)
    • [9].一键关闭iPhone浏览器里所有的网页[J]. 电脑迷 2015(06)
    • [10].隐私模式浏览器的安全性分析[J]. 西华大学学报(自然科学版) 2012(03)
    • [11].基于编辑距离的Web浏览模式聚类方法[J]. 科技信息 2011(15)
    • [12].一种新的预测用户浏览模式的度量方法[J]. 计算机工程与应用 2010(10)
    • [13].Web日志中时态约束浏览模式挖掘算法研究[J]. 哈尔滨工业大学学报 2008(09)
    • [14].隐私浏览,谁都行![J]. 电脑爱好者 2008(24)
    • [15].IE8隐私浏览让你踏网无痕[J]. 网友世界 2010(14)
    • [16].进入IE隐私浏览模式[J]. 电脑知识与技术(经验技巧) 2011(09)
    • [17].无广告阅读[J]. 电脑迷 2014(05)
    • [18].轻松驾驭IE8的八个速成窍门[J]. 微电脑世界 2010(04)
    • [19].基于用户多页面浏览模式下的网络结构推荐系统的研究[J]. 智能计算机与应用 2016(05)
    • [20].城市互联网用户的媒介使用和信息倚赖——对用户的媒介依赖度、信任度及网络新闻浏览模式的分析[J]. 当代传播 2015(03)
    • [21].用好腾讯微博的图片浏览模式[J]. 网友世界 2011(14)
    • [22].基于频繁链表-存取树的Web用户浏览模式挖掘算法[J]. 电子设计工程 2014(23)
    • [23].科技新品[J]. 世界博览 2010(17)
    • [24].基于Apriori算法的Web日志文件挖掘模块的实现[J]. 新疆农业大学学报 2011(04)
    • [25].基于粗糙K-均值用户兴趣的聚类算法[J]. 电脑知识与技术 2013(15)
    • [26].基于信息挖掘的潜在异常行为可视分析[J]. 现代计算机 2020(09)
    • [27].基于用户树形浏览模式下的推荐系统协同式过滤研究[J]. 计算机与现代化 2012(04)
    • [28].浏览器静音浏览模式,让嘈杂的网页“闭嘴”[J]. 计算机与网络 2009(22)
    • [29].基于序列模式的用户浏览行为提取与分析[J]. 计算机技术与发展 2012(09)
    • [30].基于web挖掘的个性化服务系统的设计与研究[J]. 山西煤炭管理干部学院学报 2009(02)

    标签:;  ;  ;  ;  

    Algorithmic Approach to Address Item Recommendation and Cold Start Issues in Social Networks
    下载Doc文档

    猜你喜欢