动态社会网络社团结构与个性化推荐模型研究

With the rapid development of social networks, the user scale expands unceasingly, and the information updates rapidly. How to combine the user behaviors with the information services to solve the information overload problem, and provide real-time personalized recommendation service is becoming an academic research focus.. This project researches the impacts of community structure, dynamic evolution and time factor on personalized recommendation system, and designs a dynamic personalized recommendation model. This personalized recommendation model can meet user personalized information commands, and provides high quality recommendation services. The main contributions of this project are following: (1) a new community detecting model for dynamic networks based on a new static detecting algorithm is proposed; (2) Combining the dynamic community detection with the information recommendation, a community-based personalized recommendation method is proposed. This method can improve the quality of personalized recommendation results. (3) Based on the time-weighted resource networks in social networks, a time-aware personalized recommendation method is designed. This method enables the personalized recommendation model with dynamic prediction ability.

随着社会网络的快速发展，用户规模不断扩大，信息更新也不断加快。如何将社会网络中的用户行为与信息服务结合起来，解决当前社会网络中的信息过载问题，提供符合用户兴趣需求的实时个性化推荐服务成为当前学术界的研究热点。. 本项目重点研究社会网络的社团结构、动态演变和时间因素等对个性化推荐服务产生的影响，设计出一个动态网络个性化推荐模型，以满足用户的个性化信息需求，并提供高质量的个性化推荐服务。本项目的主要研究内容包含以下三点：(1) 提出一种新的社会网络静态社团结构检测算法，并在此基础上设计一种新的社会网络动态社团结构检测模型；(2) 将社会网络动态社团划分与团内信息推荐结合起来，提出一种基于动态社团结构的个性化推荐方法，以提高个性化推荐的质量；(3) 对社会网络的资源网络进行时间加权，设计一种基于时间感知的个性化推荐方法，从而使推荐系统具有动态推荐预测的能力。

随着社会网络的快速发展，用户规模不断扩大，信息更新也不断加快。如何将社会网络中的用户行为与信息服务结合起来，解决当前社会网络中的信息过载问题，提供符合用户兴趣需求的实时个性化推荐服务成为当前学术界的研究热点。.本项目重点研究社会网络的社团结构、动态演变和时间因素等对个性化推荐服务产生的影响，设计出一个动态网络演变追踪和个性化推荐模型，以满足用户的个性化信息需求，并提供高质量的个性化推荐服务。本项目的主要研究内容包含以下三点：(1) 提出新的社会网络静态社团结构检测算法；（2）设计一个基于增量聚类的动态社会网络快速社团发现和演变追踪模型；(2) 将社会网络动态社团划分与协同推荐结合起来，提出基于社团结构的个性化推荐方法，以提高个性化推荐的质量。