论文部分内容阅读
近年来,随着信息时代的到来,互联网信息呈爆炸式增长,互联网已经与人们的生活密不可分。如何从海量的信息中挖掘出满足用户需求的信息,使用户能够对其加以利用,为用户更好地提供服务,是本文要解决的主要问题。本文从面向多种用户的不同服务视角出发,针对不同应用背景和需求,提出了多种推荐策略。具体说来,本文针对个人用户的信息搜索需求和社交网络交互需求,以及企业用户的以产品推广为目的的多种目标用户挖掘需求,提出了面向多用户类型的多角度推荐策略。本文深入研究了面向个人用户和企业级用户不同需求的推荐策略。对于个人用户而言,与互联网信息交互的最根本需求有两种:信息搜索需求和社交网络交互需求。前者是从互联网的海量信息中查询自己需要的信息,而后者是在社交网络平台上通过关注不同的好友并与其进行互动而获取自己感兴趣的信息。针对这两种需求,本文提出了基于多领域关联查询路径的信息搜索推荐策略来为个人用户推荐查询路径,以及基于单点重叠社区搜索的社网交互推荐策略来为个人用户推荐其感兴趣的相关用户。对于企业用户而言,营销需求是企业一种重要的目标用户群挖掘需求,而本文主要致力于满足两种企业营销需求:挖掘对企业产品感兴趣的目标用户群和挖掘信息传播影响力最大的目标用户群。为此,本文提出了基于多点重叠社区搜索的用户群推荐策略来为企业用户推荐感兴趣的目标用户群,以及基于重叠社区搜索的影响力最大化用户群推荐策略来为企业推荐最具影响力的目标用户群。具体说来,本文的贡献点可概括如下:(1)针对个人用户的信息搜索需求,提出了一种基于多领域关联查询路径的信息搜索推荐策略。该策略旨在根据用户的初始查询领域,为用户推荐出其他与之相关的领域供用户进行查询,这些相关的领域串联在一起,就构成了一条关联查询路径。首先,将各领域抽象成实体类的模式,从实体类的角度出发,根据多种评价因素来发掘领域间的关联关系,构成有向加权的领域关联关系图。然后利用关联关系图,根据初始查询领域,以随机漫步的方式找出与初始查询相关的关联查询路径。(2)针对个人用户的社交网络交互需求,基于为个人用户推荐好友或相关信息的应用背景,提出了一种基于单点重叠社区搜索的社网交互推荐策略。该策略旨在根据单个用户节点来搜索该用户隶属的所有重叠社区,支持在线查询,并且只针对社交网络进行局部搜索,因此具有灵活、轻量级、支持动态演化的网络等优点。该策略包含精确方法和近似方法,本文利用边界节点约束来提高精确方法的执行效率,利用边界节点和节点度作为条件来调节近似方法的效率和准确度。(3)针对企业级用户的营销需求,基于为企业推荐对其产品感兴趣的目标用户群的应用背景,提出了一种基于多点重叠社区搜索的用户群推荐策略。该策略旨在根据已经接受企业产品的多个用户节点来搜索这些用户所隶属的所有重叠社区。简单地采用迭代单点重叠社区搜索的方法可能会产生大量的重复计算而影响执行效率,因此本文提出了一种支持多点重叠社区搜索的框架,并提出了多点重叠社区搜索的精确方法,以及一系列启发式近似策略来调节多点重叠社区搜索的效率和准确度。(4)针对企业级用户的营销需求,基于为企业推荐信息传播影响力最大化用户的应用背景,提出了一种基于重叠社区搜索的影响力最大化用户群推荐策略。首先提出了迭代式推广模型,根据用户行为反馈逐步选择影响力最大化节点,使社交网站平台在信息传播过程中充分发挥控制作用,从用户中选取出最有价值的广告客户推广目标。然后提出一种基于重叠社区结构的方法来衡量节点的影响力,基于这种影响力衡量方法提出了基于重叠社区结构的传播热点选择方法,该方法的精确方法包括基本方法以及优化方法。由于精确方法是NP难问题,其时间复杂度较高,应用性较差,因此提出了一种基于打分机制的近似方法,该方法能够快速有效地选取传播热点。