基于链路预测的推荐系统：原理、模型与算法
作者： 朱旭振
出版社：北京邮电大学出版社有限公司 2018年08月
简介：
飞速发展的计算机、互联网和web技术改变了人们的生活，人们在虚拟社区中结交好友、在新闻网站中浏览新闻、在视频网站中观看电影、在虚拟图书馆中查阅书籍、在电商平台中购买物品。但是，人们在享受多彩生活的同时也感受到了信息膨胀带来的烦恼，即人们无法在海量数据中快速有效地找到*相关的信息。电影、书籍、网页等信息的数据量动辄以千万级，这些数据信息的增长速度已经远远超过了人类的自然处理能力。在这种大数据的背景下，用户获取所需信息的代价越来越大，仅仅依靠传统人力的方式已经无法评价和选择这些物品。在这种情况下，有效过滤海量信息的*有吸引力的方法就是个性化推荐技术。它利用用户个人信息，例如用户活动的历史记录，发现用户喜好，然后根据用户喜好进行推荐，例如Amazon.com使用用户的购买历史记录向用户推荐书籍，AdaptiveInfo.com使用用户的阅读历史向用户推荐新闻，还有TiVo数字视频系统根据用户的观看模式和评分记录向用户推荐电视节目。
本研究从单一节点网络上的链路预测研究入手，研究二部图网络上的链路预测，建模物品之间的相似性，结合协作技术完成推荐。首先，介绍一般网络上基于拓扑相似性的链路预测算法研究，进一步分别从路径有效性和端点影响力角度出发，研究端点间相似性模型。其次，应用超图理论和物质扩散理论，将一般网络上的链路预测算法扩展到二部图上，预测物品间相似性，然后基于协作过滤算法，实现物品推荐。*后，本研究给出了进行链路预测研究的一般方法、数据来源、数据处理方法、实验方法以及Matlab实现代码，同时给出了二部图网络上推荐研究的一般方法、数据来源、数据处理方法、实验方法以及Matlab实现代码。以期能帮助大家尽快熟悉，为进一步深入研究做好铺垫。
