社交网络环境下,信息过载是亟待解决的问题。个性化推荐技术正是在此背景之下得到了广泛的应用。传统的基于社交网络的个性化推荐,主要有基于用户和项目的协同过滤推荐、基于人口统计学的推荐等。虽然取得了很大的进展,在此基础上为用户提供了丰富多样的个性化服务,但还存在着很大的局限性。本文基于社交网络文档属性、社交网络文本信息、社交网络交互行为,提出了一种融入社交网络信息的DIT用户偏好预测方法。该方法综合考虑社交网络中的文档属性、社交网络中的文本信息、社交网络中的交互行为,通过构建用户画像、获取用户的兴趣点、推测用户的情感倾向,得到用户对某类商品的偏好预测。本文的研究内容主要包括以下几个方面:(1)构建了融入社交网络信息的DIT用户偏好预测模型,该模型综合考虑社交网络中的文档属性、文本信息和交互行为,据此计算得出用户对某类商品的偏好预测。该模型是由3个子模型通过加权方式有机组成的,和单一的偏好预测模型相比,预测结果更为准确。(2)构建了基于社交网络文档属性的用户偏好预测模型。综合考虑用户的性别、年龄、所在地区、好友数目等因素,经过计算得到基于社交网络文档属性的商品偏好预测。(3)构建了基于社交网络文本信息的用户偏好预测模型。综合考虑所发文本信息的情感倾向和主题特征,经过计算得到基于社交网络文本信息的商品偏好预测。(4)构建了基于社交网络交互行为的用户偏好预测模型。综合考虑用户在社交网络上的点赞、转发以及好友关系等因素,经过计算得到基于社交网络交互行为的商品偏好预测。(5)为了能够更好地评价模型的预测效果,将现有的从2015年7月1日到2017年6月30日的数据集分别以周、月、季度、年为单位进行划分,并将相邻周期的数据集分别作为训练集和测试集,计算出每一个周期内的预测准确率。