基于大数据的互联网社交平台个性化推荐探析as®运城学院摘要：随着信息技术和互联网的发展，人们逐渐从以前的信息匮乏演变到如今的信息过载。进入大数据时代以来，互联网社交平台在为用户提供便捷的产品和服务的同时，也加大了用户在过量信息当中找到自己感兴趣的信息的难度。本文以互联网社交平台为例，研究大数据环境下的互联网社交平台的个性化推荐服务问题，探讨未來的发展趋势，具有一定的理论意义和现实意义。关键词：大数据;社交平台;个性化推荐;基金：项目编号:XK-201401&项目名称:基于大数据的用户个性化推荐研究随着云计算、物联网等技术的兴起，信息量呈现指数型增长，从大量信息中找到自己感兴趣的信息是一件非常困难且具有挑战的事情;与此同时，对于信息提供者而言，让自己的主要信息被用户关注到，也是一件极其困难的事情。虽然冃前的搜索引擎等主动服务模式为人们提供了筛选途径，但大众化的服务并不能很好的满足越来越多的个性化需求。因此个性化推荐系统成为推荐服务的研究趋势之一，而对于互联网社交平台而言，如何给用户推送他们更感兴趣的内容便成为亟需解决的问题。1、大数据的概念与特性大数据(bigdata),也叫巨量资料，是指海量、高增长率和多样化的信息资产,这些信息需要重新处理才能具备更强的决策力、洞察力和流程优化能力UL自大数据被提出以來便成为学术界研究的热点问题，以中国知网数据库的收录为例，截止到2017年6月1口，以“大数据”为主题的文献达到86824篇，主要涵盖计算机、信息经济、企业经济、金融、互联网技术等诸多领域。大数据具有数据量大(Vol-ume)、种类多(Variety)、真实性高(Veracity)、处理速度要求高(Velocity)等特点良1。大数据中的“大”，并不是说大数据表象显示出的“大容量”，而是在于从数据当中分析出的“大价值”o2、个性化推荐系统个性化推荐是指WEB用户通常会在网络中留下“痕迹”，通过分析这些“痕迹”，找到不同需求用户的普遍行为模式与兴趣点，进而向这些用户推荐他们感兴趣的内容，以此加快用户的决策行为生成。在这个过程中，推荐系统作为不同用户与信息提供者之间的桥梁，一方而主动帮助用户获取有效信息，另一方面也能将信息主动提供给对其有兴趣的用户，从而解决两者之间的矛盾。典型的个性化推荐系统，通常由行为记录模块、模型分析构建模块以及最终推荐实现模块三个模块组成。用户登录网络平台留下痕迹，比如浏览网页、分享网页、购买行为、评价行为等等，这些用户的历史行为全部都在行为记录模块中保存,主要目的在于反映用户的个人偏好。之后根据这一模块的信息构建用户行为分析模型，结合不同的算法得出用户偏好的潜在关联性即为模型分析构建模块。最后通过应用模块将目的实现，即为目标用户推送他们感兴趣的产品或服务信息。3、利用社交网络的个性化推荐技术社交网络一般可以看做是互联网中各类提供“社交”作用的应用，冃前广泛应用的包括Facebook>Twitter、QQ、微信等软件。基于社交网络的推荐能够很好的模拟现实社会，因为在现实中，很多用户的购买行为都是通过朋友推荐以后发牛的。美国第三方调查机构尼尔森曾做过影响用户相信某个推荐的因素调查,结果显示，有90%的用户相信朋友推荐，70%的用户相信网上的有关评价。从数据中可以看到，好友的推荐对增加用户对信息的接受度非常重要。3.1基于邻域的社会化推荐算法在给定一个定义用户之间朋友关系的社交网络和一份定义用户历史行为和兴趣的用户行为数据集的前提下，通过构建好友集合和不同用户喜欢的物品即，计算用户之间的熟悉程度和兴趣相似度，如果熟悉程度和兴趣相似度都较高的情况下，则可以实现给用户推荐好友喜欢的物品集合。3.2基于图的社会化推荐算法用户的社交网络可以用社交网络图来体现，核心在于对用户和物品的抽象处理，最具代表性的是用户-产品二分图的推荐算法。在该算法中，如果用户对物品产生过行为，则两个节点之间就会有边相连，如果用户之间是好友关系，则也有边相连，而相连的边会被赋予0-1的权重，来表示他们之间的关系重要程度，由此最终形成二分网络图。抽象定义完成二分图后，可以使用PersonalRank图排序算法生产用户的推荐结果...