基于用户关系网络的社会化推荐服务的研究

基于用户关系网络的社会化推荐服务
的研究
摘要：通过特定类型的信息过滤技术，利用社会网络将信息及时准确地推送给兴趣群体或者实践社区。

用户由共同的兴趣结成了不同的社会网络，形成了相互之间的信任。

当用户对某一内容感兴趣时，系统会依据用户形成的社会网络将其推荐给他们的好友。

这样能通过用户的关系网络实现社会化推荐服务。

关键字：用户关系；社会化推荐；电子商务；
1、引言：随着互联网技术的发展和智能设备的普及，人们上网产生大量的信息，他们通过
网络社交来建立自己的用户关系网。

而当用户对某一内容感兴趣时，通过系统依据用户形成的社会网络将其推荐给他们的好友。

这样能通过用户的关系网络实现社会化推荐服务。

对于电子商务来说，就是对商品的推广可以通过关系网来实现。

通过关系网的推荐具有较强的准确性和扩散性，可以从社交圈子里扩散出去，达到推广目的。

2、社会化推荐：
社会化推荐是通过特定类型的信息过滤技术，利用社会网络（博客、网页、图片、新闻、标签等）将信息及时准确地推送给兴趣群体或者实践社区的过程。

社会化推荐通过社交网络、社交搜索、社交媒体、社会书签、社会新闻、社会知识共享、社交游戏、博客、维基、推荐系统、问答社区、查询日志、标签等获取社交行为数据，利用计算机技术，例如机器学习、数据挖掘、自然语言处理等进行研究，挖掘出集体智慧。

这种服务方式不同于传统的信息推荐服务，它将社会网络、社交媒体视为信息推荐的主要平台，使用户的隐性知识在社会化推荐过程中与其他用户进行交互，形成交流。

目前，社会化推荐服务的形式主要有以下四种：
①基于社会化标引的推荐。

用户通过书签对信息资源进行标注，通过统计书签数据，可以了解用户的需求以及兴趣所在。

可根据所有报表所得到的信息来对系统默认和推荐的书签进行整理，标识出新的社会书签供用户浏览和讨论等。

还可通过系统中的定向通知和广告发布功能，将有关信息发送给需要了解它们的用户群。

②基于社会化评价的推荐。

用户在使用某一网络信息资源后，会对其产生主观的评价，很多网站都提供了打分机制，用户根据主观评价对该信息资源进行打分。

系统根据分数的高低决定将那些信息推荐给用户。

③基于用户关系的推荐。

用户由共同的兴趣结成了不同的社会网络，形成了相互之间的信任。

当用户对某一内容感兴趣时，系统会依据用户形成的社会网络将其推荐给他们的好友。

如博客、交友网站等。

④综合推荐。

将分类、历史数据、社会化标引、社会化评价、网络关系等综合起来推荐——例如玩聚、鲜果等社会化推荐服务。

此外，用户还可以根据书签收藏的情况，看到哪些人和自己收藏了同样的书签，通过连接可以查看这些人收藏的其他书签。

这样，用户就可以找到和自己拥有一样兴趣的其他用户，并与其建立联系，形成虚拟社区。

用户可以在社区内充分地交流和共享信息和知识。

虚拟社区内的所有成员不断地更新自己的书签，使社区内的信息不断变化，向着更有序的方向发展。

以上几种推荐形式都各有特点，本文重点研究基于用户关系的社会化推荐。

信息化，网络化的社会，人与人之间更加多了一种基于网络的社交，在网上有自己的交际圈。

而圈内的人基本上都是有一些相同属性的，比如说都爱好体育，都喜欢旅游。

所谓“物以类聚，人以群分。

”
3、用户关系网:
最早互联网上的关系的形成可能要数从OICQ、MSN、QQ、Gtalk等IM构建的这种双向的关系，这种关系需要一方请求，另外一方同意才构建的。

之后以Twitter为代表的微博客出现之后，一种新的关系出现了，实际其实也就是将原来的双向的关系切割成两个单向的关系。

用户可以主动关注别人，但是别人不一定要反过来关注，当然也有权利屏蔽对方。

实际上这种单向的关注是IM双向关系的一种延伸，用户相互关注其实就可以认为是一种IM上的好友的关系的延伸，所以从这个意义上来讲，微博的客户端其实是可以取代IM客户端的。

目前现有互联网上的关系（微博或者SNS）很多可能是通过不同的方式来建立的，或者是通过Email，或者是通过手机号，不过其实从本质上来讲，人与人之间的关系本质上只有一种，就是真实世界人与人之间的关系，人是主体，手机也好，Email也好只不过是人的关系的联系的一种方式。

目前只能手机上面很多人其实都会通过Google Sync来和Gmail Contacts同步联系人，这应该是很多人最真实的联系人，但是目前很多服务还在构建自己的关系，用户注册，邀请好友，用户真实需要很多的关系圈吗，显然是不需要的，并且用户会很讨厌这种重建关系圈的过程，这也是QQ黏性所在。

所以从用户角度而言，在互联网上用户其实也只要一种关系圈，那就是基于用户真实关系圈的，关系圈本身就存在，只是要怎么去利用这些现有的关系。

互联网用户在网上会有属于自己的一个关系网，在里面的人大都志趣相同，有共同的爱好。

而不同的关系网之间会有交叉重叠的地方，可以利用大数据分析技术推断分析出用户感兴趣的东西并向其推荐。

4、基于用户关系网的社会化推荐
在电子商务业之中，如何找到对产品感兴趣的人群显得非常重要，否则的话只能由用户去寻找商品。

这种形式可以存在，但是商品必须有足够好的质量口碑，而大多数商品并没有这一性质。

由上面对用户关系网的分析可知，存在具有共同购买倾向的用户人群，并且他们已经通过互联网建立了关系。

那么，如何挖掘其中的巨大商机就成为了很多公司的研究重点。

其实，平时我们在网上的各种行为已经被大数据技术进行分析挖掘，我们在进入购物网站时看到的商品推荐页面是不一样的。

还有，即使我们是去门户网站，我们也会看到不一样的广告，这就进一步印证了现在广告推送的精准性和有向性。

5、社会化推荐生成
目前,移动社会化推荐系统主要以移动社会化网络关系矩阵和移动用户偏好矩阵为输入, 以预测潜在的移动用户偏好为主要目的,输出新的移动用户偏好矩阵.通过社交网站的朋友关系来构建协同过滤算法中的邻居,结果表明,社交网站中的朋友关系能够提高传统协同过
滤算法的推荐准确度.为了提高推荐准确性, 将社交网站中的用户信任关系引入到电影推荐,其中,用户间的信任强度由用户给定,通过信任关系来获取用户邻居而不是通过评分相似;
对用户评分矩阵进行矩阵分解,获取影响用户评分的潜在因素,并考虑信任朋友对用户评分
的影响, 以线性方法来融合两者对用户的影响.将社会化信息引入推荐,主要由于社会化网络中存在传递性、“小世界”效应、社区结构等特性 ,传递性是指社会关系的传递性,如用户朋友的朋友也可能是自己的朋友;社会化影响是指用户会受与自己交往的其他用户的影响,
如用户的好朋友看了某部电影并且评价很高,用户可能会受朋友的影响去看该电影;而选择
是指用户倾向于与自己相似的其他用户建立社会关系,合理利用社会化网络的特性有助于提高推荐准确度.
移动广告推荐的发展迅猛，随着智能手机和平板电脑等智能移动终端的普及,移动广告投放也成为工业界关注的热点之一.移动广告弥补了互联网和电视广告的空缺,使得广告
可以根据移动用户的个性化需求、位置、移动社交网络等进行实时、有针对性的推送,从而能够准确地为潜在的产品用户提供相关信息.通过隐式分析用户的浏览行为来获取用户对
广告的偏好,并考虑位置上下文对广告推荐的影响,从而形成推荐结果.在现实生活中,对选
择什么类型的产品,熟人的建议作用显著。

利用手机短信记录构建社会化网络,并找到移动
用户的朋友,根据朋友的行为向移动用户推荐。

如果移动用户以前在附近的餐厅就餐并给出了好评,而其朋友恰好在午餐的时间在这附近,那么就向其朋友推荐该餐厅。

使用行为定向方法来获取用户的广告偏好,为了避免移动用户信息集中在系统的中心结点,系统采用P2P 的
体系结构获取信息并进行协同推荐.
6、难点及问题
首先是用户的偏好获取具有一定的难度，特别是核心高效算法的设计。

其次是考虑一群人的推荐并不是个人的喜好，要处理好不同用户之间的冲突。

还有的就是安全隐私问题，很多人可能会担心信息被泄露所以会提供很多错误的信息，那么对地理位置，个人喜好的推荐可能会受影响。

结束语:在互联网迅速发展的今天，每天都会产生很多信息，利用它们中的商机成为了热点。

而电子商务中的社会化推荐正好可以基于用户关系网络来运行。

现在已经有不少成功的例子，比如说豆瓣，当当等网站。

但是其中的难点还有很多，这个方面还有很多可以发展的空间，有待人们的进一步探索。

参考资料：
百度百科；
移动推荐系统及其应用——软件学报；
谷歌学术；。