發(fā)布時間：2017-07-16 11:20

  本文關鍵詞：存在社會影響的群體推薦用戶建模研究

  更多相關文章： 群體推薦系統(tǒng) 社會影響 個性因素 專業(yè)化因素 相互關系 興趣相似度

【摘要】：隨著互聯(lián)網(wǎng)的廣泛應用和信息技術的飛速發(fā)展，網(wǎng)絡信息數(shù)量呈現(xiàn)爆炸式的增長態(tài)勢。這導致用戶在獲取所需信息時需要耗費大量的時間和精力。面對海量的網(wǎng)絡資源，如何快速高效又準確的獲取有用信息成為目前各項研究的重點。在這種情況下，作為一種重要的信息過濾技術和個性化服務工具，推薦系統(tǒng)得到了廣泛的關注和研究。 近些年來，隨著社交網(wǎng)站和在線社區(qū)的發(fā)展，越來越多的網(wǎng)上活動是以群體為單位進行組織開展的。如何為這些目標群體用戶提供令其滿意的個性化服務受到了研究學者的廣泛關注，這也帶來了對群體推薦系統(tǒng)研究的迫切需求。群體推薦系統(tǒng)是對群體用戶產(chǎn)生能夠反映全體用戶偏好的推薦結果，群體的多樣性和動態(tài)性意味著群體推薦系統(tǒng)是個復雜而有挑戰(zhàn)性的問題。 一個有效的群體推薦系統(tǒng)不僅需要獲取群體成員的偏好信息，更需要考慮影響群體決策的其他因素的影響。然而目前已有的群體推薦算法大多主要研究群體成員的偏好問題，雖然一些文獻也開始從社會心理學角度研究推薦系統(tǒng)，但這方面的研究仍然不太系統(tǒng)。 本篇論文主要從社會心理學中社會影響的角度對群體推薦系統(tǒng)進行系統(tǒng)而詳盡的研究。通過對群體成員間包括個性因素、專業(yè)性因素、客觀相互關系以及興趣相似度等社會影響因素進行分析討論和建模，對現(xiàn)有群體推薦方法進行了修正。本篇論文在研究過程中，研究了將群體成員個性因素、專業(yè)性因素、成員間客觀相互關系和興趣相似度等社會影響因素整合進群體推薦過程中，并著重研究成員間社會影響各個因素對群體推薦過程的影響和改進效果。 實驗結果表明基于社會影響的群體推薦算法與傳統(tǒng)的群體推薦算法相比，，具有更高的推薦精度和令群體成員更滿意的推薦結果。
【關鍵詞】：群體推薦系統(tǒng) 社會影響 個性因素 專業(yè)化因素 相互關系 興趣相似度
【學位授予單位】：天津大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：F49
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-20
• 1.1 研究背景及意義9-11
• 1.2 群體推薦系統(tǒng)國內(nèi)外研究現(xiàn)狀11-17
• 1.2.1 傳統(tǒng)群體推薦系統(tǒng)研究現(xiàn)狀11-14
• 1.2.2 存在社會影響推薦系統(tǒng)研究現(xiàn)狀14-17
• 1.3 論文基本內(nèi)容及結構17-20
• 第二章 理論綜述20-31
• 2.1 群體推薦系統(tǒng)20-25
• 2.1.1 群體推薦系統(tǒng)的定義20
• 2.1.2 群體推薦系統(tǒng)的分類20-23
• 2.1.3 群體推薦系統(tǒng)所采用算法的概述23-25
• 2.2 符號數(shù)據(jù)分析概述25-27
• 2.2.1 符號數(shù)據(jù)分析的定義25-27
• 2.2.2 符號數(shù)據(jù)分析的距離計算方法27
• 2.3 社會影響概述27-30
• 2.4 本章小結30-31
• 第三章 基于社會影響的群體用戶建模31-47
• 3.1 社會影響理論模型概述31-34
• 3.2 用戶數(shù)據(jù)34-35
• 3.3 基于成員屬性的群體用戶建模35-39
• 3.3.1 基于成員個性因素的群體用戶建模35-37
• 3.3.2 基于成員間專業(yè)性因素的用戶建模37-38
• 3.3.3 基于成員敏感性因素的用戶建模38-39
• 3.4 基于成員間綜合相互關系的用戶建模39-45
• 3.4.1 基于成員間客觀社會關系親密度的用戶建模39-41
• 3.4.2 基于成員間興趣相似關系的用戶建模41-44
• 3.4.3 整合用戶間綜合相互關系的用戶建模44-45
• 3.5 考慮社會影響各要素的群體用戶建模45
• 3.6 產(chǎn)生群體推薦45-47
• 第四章 實驗及算法評價47-57
• 4.1 實驗數(shù)據(jù)47-48
• 4.2 實驗結果評價指標48-49
• 4.3 實驗設計49
• 4.4 實驗過程及結果分析49-55
• 4.4.1 推薦結果精確度分析49-50
• 4.4.2 社會影響因素分析50-55
• 4.4.3 群體規(guī)模對推薦精度的影響55
• 4.5 實驗結果總結55-57
• 第五章 結論57-58
• 參考文獻58-63
• 發(fā)表論文和參加科研情況說明63-64
• 致謝64-65
• 附錄65-67

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 梁昌勇;冷亞軍;王勇勝;戚筱雯;;電子商務推薦系統(tǒng)中群體用戶推薦問題研究[J];中國管理科學;2013年03期

本文編號：548426