0引言

社交网络起源于电子邮件，它的出现打破了当时人们通讯的局限性，为当时的人们提供了一种便捷、低成本的通信方式，其中“转发”、“群发”的功能更是为用户带来很多的便利。之后BBS（BulletinBoardSystem，电子公告栏系统）的出现，把“群发”和“转发”的功能进一步普及并且走向大众化，在理论上实现了任何人都可以传递信息并讨论话题的功能，即发帖和回帖。紧接着又出现了更快速的通信工具，比如即时通信和博客，前者提高了信息的传输速度和同时交流的能力，当然这离不开硬件技术的支持；后者则侧重于体现社会学和心理学的理论。随着互联网技术的发展，网络社交平台越来越多。国外的网络社交平台有YouTube、Twitter、Facebook等；国内较为普及的有微博、微信、论坛、博客、QQ。随着网络社交的进步，人们也开始放心的在网络软件上展现自己，慢慢地，人们在网络上的性格特征也越来越鲜明，为社交网络的迅速发展奠定了基础。

近年来，在领先的社交平台上出现了许多第三方个性化推荐服务。例如，InSuggest提供的来自社交书签网站Delicious书签的个性化推荐，而Outbrain则提供Blogger和WordPress等主要博客服务的个性化建议。Amazon应该是运用推荐系统最成熟的电子商务网站，当然也不能忘了电子商务的翘楚阿里巴巴。按照这一趋势，一些社交网站为自己的个性化项目建议增加了服务。例如，很多社交软件增加了一项新的功能，那就是“猜你喜欢”或者“朋友们都在逛”的功能选项。

如今，人们在工作生活中很少有耐心去一一查询项目，因此系统就会在用户第一次访问的时候记录用户的操作行为，再次刷新界面就会跳出用户所需要的信息。个性化推荐服务类似于私人订制，提高了软件的服务质量，从而吸引更多的用户[1]。如何将合适的产品在合适的时间通过对的渠道推荐给潜在的合适用户，成为了各学者及专家的研究热点，个性化推荐方法应运而生。本文通过了解传统的协同过滤推荐方法，介绍目前基于协同过滤推荐算法的条件下有哪些主要的个性化推荐方法并对此提出自己的见解。

1绪论

1.1研究背景和研究意义

随着Web2.0的快速发展和广泛应用，人们越来越喜欢通过社交网络工作和交友，甚至使用社交网络占据了人们生活的很大一部分时间，人们也愿意将自己现实生活中的朋友圈搬到社交网络平台上来。与此同时，社交网络也改变着人们制造、传播和使用信息的方式[2]。社交网络与传统的互联网络不同：在传统的互联网中，用户与网络之间的联系是单向的，用户只能接收信息，浏览网站的信息，一直处于被动的状态；而在社交网络中，用户和社交网络之间的交互是双向的，用户有主动参与权，既能接收、消费信息，同时也能制造和传播信息。

随着使用社交网络的用户人数不断增加，平台上的信息也越来越多，然而很多时候，大多数信息对于一些用户来说并没有什么用，有时候还会干扰用户的判断，从而导致了互联网中的信息过载的现象，推荐系统应运而生[3]。由于有些需求或者爱好很难用文本信息描述，所以这个时候推荐系统开始发挥作用，其优点就是不需要用户详细描述需求信息，系统就可以很快地帮助用户找到对其有用的信息。推荐系统通过分析用户的历史行为数据，总结出用户的兴趣特点，从而形成推荐列表，为用户推送服务。社交网络虽然看不见摸不着，是虚拟的，但是在这个虚拟的世界里，展现的都是真实的社会关系，而且人们喜欢社交网络，因此就产生了海量的信息数据供研究人员分析。通过分析这些历史数据，对于用户的兴趣爱好就有了更好的掌握，对用户实施个性化推荐，所以也就有了精准营销[4]和“私人订制”的商业理念。个性化推荐服务并不是千篇一律，而是体现在不同的个性化推荐服务对不同的群体有不同的效果。1)用户。用户获取信息的时间越来越少，而且节省了在线浏览的时间，也减少垃圾信息对用户的干扰，由此提高了工作的效率，对用户帮助很大。2)运营商。能够准确掌握用户的兴趣爱好，以此为基础，精准的推出服务产品，提升服务质量，吸引用户，降低广告投放成本，使利润最大化。3)广告商。广告商以用户的兴趣爱好精准的投放广告，吸引用户点击广告，增加广告效益。 社交网络个性化推荐方法对比研究(2):http://www.youerw.com/jisuanji/lunwen_204465.html