基于重叠社区发现的群组推荐算法研究任务书.docx

基于重叠社区发现的群组推荐算法研究任务书
任务书
一、选题背景
现在社交网络已经成为人们日常生活中不可或缺的一部分。用户在社交网络中可以加入不同的社群，与志同道合的朋友交流、分享生活和工作经验。随着社交网络的普及，越来越多的用户加入了多个社群，但是如何帮助用户发现合适的社群和群组成员却成为了一个难题。
传统的基于用户兴趣和行为习惯的推荐算法存在很大的局限性。对于用户多加入群组和社群的现象，很难从兴趣和行为中感知出用户的需求和偏好。而现在越来越多的推荐算法借鉴社群挖掘的思想，基于重叠社区发现来为用户推荐群组。但是目前这类算法存在的问题还很多，比如算法的效率和准确性等等。
因此，本次研究任务将围绕基于重叠社区发现的群组推荐算法进行研究。
二、研究内容
1.研究社群挖掘和基于重叠社区发现的相关理论，掌握社群归纳算法的基本算法框架和基本流程。
2.对现有的基于重叠社区发现的群组推荐算法展开调研，了解其优缺点及各自的适用范围。
3.研究群组推荐算法中的关键问题：如何根据用户的群组信息推荐可能感兴趣的群组，如何提升算法的效率和准确度，如何评价推荐算法的性能等等。
4.基于上述问题，提出群组推荐算法的新思路和新方法，重点考虑模型的可解释性、实用性及效果的提高。
5.实验测试算法的性能和效果，对比分析各种算法的优劣，验证提出算法的可行性和准确性。
三、研究方法
本次研究主要采用以下方法：
1.文献调研法：对社群挖掘和基于重叠社区发现的学术论文进行调研和总结，掌握社群归纳算法的关键技术和理论。
2.实证研究法：从数据出发，对群组推荐算法进行实际验证和测试。使用不同的数据集进行实验，比较不同算法的性能和效果，提出改进算法的新思路和新方法。
3.数理统计法：对实验结果进行数理统计，分析各种算法在不同数据集下的表现，使用科学的方法验证算法的可行性和准确性。
四、研究进度安排
1.第一周：研究社群挖掘和基于重叠社区发现的相关理论，调研现有的基于重叠社区发现的群组推荐算法，撰写调研报告。
2.第二周：研究群组推荐算法中的关键问题，撰写问题分析报告。
3.第三周-第四周：基于上述问题，提出群组推荐算法的新思路和新方法，完成算法设计和评价标准的制定。
4.第五周-第六周：实验测试算法的性能和效果，对比分析各种算法的优劣，验证提出算法的可行性和准确性。
5.第七周：撰写研究报告，完成答辩准备。
五、参考文献
1.Newman,M.E.,&Girvan,M.(2004).Findingandevaluatingcommunitystructureinnetworks.PhysicalReviewE,69(2),026113.
2.Fortunato,S.,&Hric,D.(2016).Communitydetectioninnetworks:Auserguide.PhysicsReports,659,1-44.
3.Zong,J.,Lai,K.K.,Zhang,X.,&Ma,J.(2016).Community-basedrecommendationwithoverlappinggroups.KnowledgeandInformationSystems,46(1),195-220.
4.Cao,Y.,Zhang,W.,&Li,L.(2016).Communitydetectionandmininginsocialmedia.SynthesisLecturesonDataMiningandKnowledgeDiscovery,8(2),1-96.
6.Yang,J.,McAuley,J.,&Leskovec,J.(2013,October).Communitydetectioninnetworkswithnodeattributes.InIEEEInternationalConferenceonDataMining(ICDM)(pp.1151-1156).