王扶东++杨宏一++薛冰

[摘要]结合社会网络分析的推荐方法研究已成为热点。电子商务中用户的动态行为异常丰富，隐含了用户的关联关系，利用这些信息进行商品推荐是个新研究思路。分析电子商务系统中用户动态行为关联关系及用户间明确好友关系形成复杂隐性社会网络，将社团划分算法应用到该网络中，则社团内部用户联系紧密且具有更相似的消费偏好，据此设计了电子商务中社团内部的推荐方法，应用R语言进行了算法的验证并与传统的协同过滤算法进行比较。实验表明，该推荐算法提高了推荐的质量，缓解了传统推荐算法中数据稀疏性及冷启动问题等。

[关键词]隐性社会网络；社团划分；个性化推荐

[中图分类号]TP39 [文献标识码]A [文章编号]1008-0821（2015）05-0049-05

社会网络为电商的推荐提供了一个协作的社会环境…，目前社会网络分析与推荐方法结合的研究成为研究热点。Fengkun Liu等通过实验表明融合社会网络信息与推荐算法，能有效提高推荐的准确度。乔秀全等将社会学与心理学中人们之间信任的产生过程结合到社会网络服务中，提高了信任度计算的合理性以及有效性。有学者从多维社会网络出发以提高相似性的计算准确度。Pasquale De Meo等提出了基于SIS的社会网络来收集用户信息。张华青等提出了一种多维加权社会网络的个性化推荐算法。Jianming He等利用社会网络中的信息提出了一种推荐系统的新范式。Yu Shian Chiu等提出了一个Social Network -based Serendipity推荐系统，这个系统利用社会网络中用户和朋友之间的交互信息，找出用户感兴趣但自己却不容易发现的项目推荐给用户。……