基于协同过滤推荐的社交网络行为推断方法

摘要

因当前方法在划分用户行为时参考指标单一,导致推断结果误差较大.为解决上述问题,基于协同过滤推荐,对社交网络行为推断方法展开研究.根据不同形式的社交网络推荐模式,架构用户之间的信任关系,随后将信任值替换为相似度,采用协同过滤算法获取推荐列表,基于社交网络信息的组成部分,利用线性融合方法将其结合,创建用户相似度模型,推导出推荐函数表达式;扩展用户社交网络行为和普遍采集物品行为,构建用户采集物品行为事件所含模块,依据事件行为序列中潜在行为,构建用户行为序列形式,根据潜在行为动态偏好空间与行为推断参数集合,解得用户行为发生概率,计算行为事件对数似然函数,得到各候选物品采集概率,降序排序后便获得可能性最大的行为结果.仿真结果表明,所提方法不仅能够有效推断用户行为,而且在不同平台上均具有显著优越性.