??第6章的標(biāo)題是“利用社交網(wǎng)絡(luò)數(shù)據(jù)”，為什么要用社交網(wǎng)絡(luò)數(shù)據(jù)？答：好友的推薦對于增加用戶對推薦結(jié)果的信任度非常重要。
??社交網(wǎng)絡(luò)定義了用戶之間的聯(lián)系，可以用圖G(V,E,w)定義社交網(wǎng)絡(luò)。一般來說，有3種不同的社交網(wǎng)絡(luò)數(shù)據(jù)：

• 雙向確認(rèn)的社交網(wǎng)絡(luò)數(shù)據(jù)，用戶A和B之間形成好友關(guān)系需要通過雙方的確認(rèn)，一般用無向圖表示
• 單向關(guān)注的社交網(wǎng)絡(luò)數(shù)據(jù)，用戶A可以關(guān)注用戶B而不需要得到用戶B的允許，一般用有向圖表示
• 基于社區(qū)的社交網(wǎng)絡(luò)數(shù)據(jù)，用戶之間沒有明確的關(guān)系

??基于社交網(wǎng)絡(luò)的推薦的優(yōu)勢在于1）好友推薦可以增加推薦的信任度；2）社交網(wǎng)絡(luò)可以解決冷啟動問題。但是，社會化推薦并不一定能提高推薦算法的離線精度。我是這樣理解的，好友之間的興趣一般都不太一樣，所以直接根據(jù)社交信息推薦不一定準(zhǔn)確，但是社交信息可以適當(dāng)拓展用戶的興趣，也許一個用戶一開始對某個物品并不感興趣，但是他發(fā)現(xiàn)他的好友對這個物品感興趣，說不定就增加了他對這個物品的興趣，這樣就可以為該物品拓展新的用戶。
??對于社會化推薦算法，作者在本章介紹了2種相關(guān)算法。一種是基于鄰域的社會化推薦算法，該算法和UserCF類似，只不過此時不是計算用戶之間的相似度，而是計算用戶之間的熟悉度（用戶之間的共同好友比例），即。另外一種就是基于圖的社會化推薦算法，此時的圖模型與之前的圖模型有一點不同，基于社交網(wǎng)絡(luò)數(shù)據(jù)的圖模型依然是一個用戶物品二分圖，但是用戶節(jié)點之間是有邊的，之前的圖模型只是用戶節(jié)點和物品節(jié)點之間有邊。
??基于圖的社會化推薦模型在實際中實現(xiàn)是比較困難的，原因就是當(dāng)用戶數(shù)量很大的時候系統(tǒng)很難在短時間內(nèi)將所有用戶的歷史行為數(shù)據(jù)讀入，而在推薦時好友的歷史行為數(shù)據(jù)時必須的。改進(jìn)方法有兩種，一種是對數(shù)據(jù)進(jìn)行截斷，推薦時只參考部分好友的部分歷史行為數(shù)據(jù)，但這只是治標(biāo)不治本。另外一種就是重新設(shè)計數(shù)據(jù)庫，為每個用戶都維護(hù)一個消息隊列，當(dāng)一個用戶產(chǎn)生一條行為數(shù)據(jù)時，每個與之相關(guān)的用戶的消息隊列都會寫入一條信息，這種改進(jìn)方式的好處在于推薦時數(shù)據(jù)的讀取很快，缺點就是行為數(shù)據(jù)產(chǎn)生時會有大量的寫操作。

個人總結(jié)：社會化推薦對推薦結(jié)果準(zhǔn)確率沒有多大提升效果，關(guān)鍵在于通過用戶好友增加用戶對推薦結(jié)果的信任度，從而讓用戶單擊那些很冷門的推薦結(jié)果。