动态社区发现在个性化推荐系统中的应用

徐正巧　高江锦　赵德伟

摘要：随着复杂网络研究的深入，网络社区结构的研究逐渐成为学者们研究的热点，该文将复杂网络社区检测技术进入对推荐系统中，同时利用动态社区检测算法进行演化社区结构和用户偏好研究，有效的设计和实现个性化推荐，为社区提供更优质，更适合的服务，以此来促进用户和社区共同发展。

关键词：复杂网络；社区检测；个性化推荐；推荐系统

1概述

随着网络技术的飞速发展，推荐技术的研究已经成为很多交叉领域的热点，其理论和应用的价值和意义非常重大。而推荐系统近些年来越来越受人们的关注，呈现出欣欣向荣的发展趋势，包括电影、音乐、新闻、著作、科研论文等都非常普及，逐渐成为我们生活中必不可少的一部分。推荐系统是指根据用户的喜好，来为用户中的成员提供个性化推荐的系统。现实生活中这样的系统比较多，如豆瓣读书中的“豆瓣猜”功能，它就是根据你看过书和读后评价，与整个豆瓣社区其他会员看过的书与评价，就可以给你推荐你没读过但感兴趣的书；淘宝等购物网站通过用户浏览记录、登录信息和购买信息等数据分析用户的偏好、购买能力找到用户感兴趣的东西，提高网络交叉销售能力等。

随着博客、微博、微信、QQ等各种网络社交平台的涌现和发展，学术界对网络结构及其演化的研究有了更广泛的关注，将单一对网络的研究扩展到移动互联网应用、生物医学、科技等商业应用中。个性化推荐技术是在信息检索的基础上发展起来的，它是经过分析用户的行为特征，挖掘每个用户特有的偏好，然后再根据用户的喜好从海量数据中挖掘用户最可能感兴趣的信息，推荐给用户。

基于社区的推荐技术也逐渐成为推荐技术研究的一个热点，研究者们利用网络分析、链路预测等对网络中的个体用户的属性进行分析，记录其个性化偏好，为其进行最合适、最有价值的和最感兴趣的推荐，虽然目前这些技术已经有了很大的关注，也取得了一定的成果，但是这些研究也只是针对静态网络，而网络实际上是动态演化的，因此，个性化推荐系统中社区用户也是动态变化的，不仅如此，社区中用户的偏好也是可能发生变化的，所以，我们需要基于动态演化网络来进行个性化推荐技术的研究，以此来提供更好的服务，更合适的推荐。

2复杂网络

复杂网络的相关研究进入中国已经十年，在过去的十年中，很多研究方向受到来自不同研究领域学者们的广泛关注，并极大地推动了复杂网络和复杂性科学的发展。现代网络科学对我们学习和理解复杂网络有非常重要的作用，复杂网络是研究复杂系统地一个角度和方法，研究和挖掘出了各种各样的具有一定普适性的网络特征，如无标度现象、小世界效应、社团性等。而进行社团结构的研究和分析有助于我们更好的理解复杂网络结构及其演化机制。

复杂网络可用来表示众多的社会、生物和通信系统，其中节点表示个体或者组织，边表示节点之间的交互关系。通过对复杂网络的研究，人们可以对模糊世界进行量化和预测，目前只有基于复杂网络的研究成果，能够在一定的范围内对事物的发展和运行进行简单预测，并且能够对网络崩溃进行一定的预告。

3动态社区检测

网络中的社团就是指一组内部节点联系紧密与网络中其他节点链接稀疏的节点的集合，也就是说社团内部节点的联系是非常紧密的，而社团间的节点联系相对而言联系就比较稀疏，社团也可以被称为“簇”，通常社团中的节点拥有相似性。

近些年来，不同领域的学者们从不同角度使用不同方法对社区结构进行了深入的研究和探讨，提出了许多经典的社区检测算法，如基于模块化的算法，随机游走算法，聚类算法和基于矩阵分解算法，社区检测算法在许多方面与聚类分析很相似，许多聚类算法（k-means、DBSCAN）可以很容易改变成社区检测算法。现有的社团结构的检测方法大多只适用于静态网络，然而大多数复杂网络例如生物网络、社交网络、电力网络等都不是静态的，其拓扑结构随着时间的推移在不断发生变化，因此网络中的社团也不是静态的，是一个消亡，新生，收缩，扩张，分裂和融合的过程，近些年了，研究着相继提出了一些新的动态社区发现算法。

4个性化推荐系统

复杂网络和社会网络分析理论的研究，将社区擴展到了虚拟的社会网络中，网络不断的演化，社区结构也在随之发生着变化，社区中的用户以及用户的兴趣也随着时间和环境的不断变化而出现变化，社区结构和用户兴趣模型也是一个随着时间不断动态变化的过程。