● 摘要
随着科技的进步、信息技术的快速发展，我们已经进入到“大数据”时代，如何从中大量信息中获取有用信息成为了一个难题。传统搜索引擎等相关技术已经越发不能满足“大数据”时代下的检索需求，推荐系统能基于用户信息发现用户兴趣与需求，并为用户提供主动、个性化服务，可以很好的解决这个问题。推荐系统的核心是推荐算法，它决定着系统的性能优劣。目前，在推荐系统中应用范围最广的算法之一就是协同过滤算法，它根据用户的历史行为信息和自身基本信息，求出与此用户相似度最高的最近邻居集，并根据最近邻集为用户未行为的项目进行兴趣度预测。但是此算法也存在一些问题，比如冷启动、稀疏矩阵、可扩展性等问题。
社会网络分析方法已经发展成为比较完善和成熟的研究方法，且已成功运用在其他学科领域内。社会网络是由节点和连线组成，是一种联系的集合。它以联系为研究核心，关注个体之间的关系以及相互的影响。社会网和协同过滤方法研究的重点都是个体间的关系，本文通过社会网络分析方法优化协同过滤算法，解决传统算法存在的问题、提高推荐精确度。本文主要研究工作与创新点有以下几个方面：
（1）对协同过滤和社会网络的概念、模型方法、作用等相关理论进行了阐述，为后续的研究提供了理论指导。
（2）使用社会网络分析中的群体动力学模型优化协同过滤算法，综合考虑个体因素和环境因素对用户评分行为的影响。在真实数据集上设计实验，验证本改进算法的推荐性能，并与其它算法进行分析对比。
（3）使用社会网络分析中的图论模型优化协同过滤算法，构建项目交互网络图并重新定义项目相似度的概念和计算方法。在真实数据集上设计实验，验证本改进算法的推荐性能，并与其它算法进行分析对比。
（4）在真实的旅游网站上收集旅游数据信息，并对这些数据进行分析、预处理，然后使用本文提出的改进协同过滤算法为游客提供个性化旅游推荐服务，最后搭建个性化旅游推荐系统。