發(fā)布時間：2023-08-01 18:03

　　近年來,隨著移動互聯(lián)網(wǎng)應用的快速發(fā)展和Web 2.0應用的流行,個性化推薦系統(tǒng)在幫助用戶挖掘感興趣的內(nèi)容和幫助企業(yè)做產(chǎn)品推廣等方面發(fā)揮著越來越重要的作用。個性化推薦系統(tǒng)被廣泛地應用于人們生活的方方面面,例如金融、資訊、社交、旅游、教育等等領域。目前有越來越多的研究學者致力于研究如何優(yōu)化推薦系統(tǒng)的準確性、多樣性、新穎性等指標,以滿足各領域用戶越來越高的需求。在面向?qū)嶋H應用的推薦系統(tǒng)中,針對推薦系統(tǒng)如何同時滿足準確性、多樣性和新穎性這一研究目標,一個重要的研究分支就是基于二部圖網(wǎng)絡結(jié)構(gòu)的推薦算法的相關研究。這類算法引起了研究學者的濃厚研究興趣,但是仍然存在一些問題:(1)就優(yōu)化目標而言,大多數(shù)推薦算法研究都集中在提高算法的準確性上,而推薦質(zhì)量的多樣性、新穎性等指標或多或少被忽略了;(2)個性化推薦系統(tǒng)的準確性與多樣性(和新穎性)存在“此消彼長”的難題;(3)基于網(wǎng)絡結(jié)構(gòu)的算法模型在準確性和多樣性等表現(xiàn)上有所局限,需要利用其他算法的多樣性和新穎性等方面的優(yōu)勢。針對這些問題,本文進一步分析了用戶活躍度和物品流行度在推薦算法中的重要作用,對基于二部圖網(wǎng)絡結(jié)構(gòu)的類擴散推薦算法的準確性、多樣性和新穎...

【文章頁數(shù)】：117 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 推薦系統(tǒng)的多樣性與新穎性研究進展
        1.2.2 基于二部圖的類擴散算法研究進展
    1.3 本文的主要貢獻與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 推薦系統(tǒng)基礎知識
    2.1 推薦系統(tǒng)的應用
    2.2 推薦系統(tǒng)面臨的挑戰(zhàn)
    2.3 常用推薦算法
        2.3.1 基于記憶的協(xié)同過濾推薦算法
        2.3.2 基于網(wǎng)絡結(jié)構(gòu)的類擴散推薦算法
        2.3.3 基于內(nèi)容的推薦算法
        2.3.4 基于模型的推薦算法
        2.3.5 混合推薦算法
    2.4 推薦系統(tǒng)的評價指標
        2.4.1 評分預測準確性指標
        2.4.2 排序準確性指標
        2.4.3 多樣性和新穎性指標
    2.5 本文所用實驗數(shù)據(jù)集
        2.5.1 常用數(shù)據(jù)集
        2.5.2 自建數(shù)據(jù)集
    2.6 本章小結(jié)
第三章 Eh-系列算法:基于增強型RA相似度的類物質(zhì)擴散算法
    3.1 問題的提出
    3.2 類物質(zhì)擴散算法步驟
    3.3 增強型RA相似度作用
    3.4 Eh-系列算法實驗結(jié)果及分析
    3.5 本章小結(jié)
第四章 ExTrA-系列算法:基于虛擬專家用戶提高推薦系統(tǒng)多樣性
    4.1 問題的提出
    4.2 相關研究工作
    4.3 基于虛擬專家用戶的類物質(zhì)擴散算法
        4.3.1 現(xiàn)有類物質(zhì)擴散算法具體步驟
        4.3.2 什么樣的用戶可以作為虛擬專家用戶?
        4.3.3 基于虛擬專家用戶的類物質(zhì)擴散算法步驟
        4.3.4 準確性與多樣性的實例分析
    4.4 5種虛擬專家用戶選取方法
    4.5 算法對比實驗結(jié)果
        4.5.1 多樣性對比實驗結(jié)果
        4.5.2 新穎性對比實驗結(jié)果
        4.5.3 數(shù)據(jù)集稀疏性的影響
        4.5.4 推薦列表長度的影響
    4.6 本章小結(jié)
第五章 HI-系列算法:物質(zhì)擴散與協(xié)同過濾的混合算法
    5.1 問題的提出
    5.2 現(xiàn)有算法性能優(yōu)缺點分析
    5.3 物質(zhì)擴散與協(xié)同過濾混合算法
        5.3.1 算法描述
        5.3.2 推薦性能提升情況
        5.3.3 算法性能隨推薦參數(shù)變化情況
    5.4 本章小結(jié)
第六章 Wikification:MOOC平臺學習資源推薦系統(tǒng)
    6.1 問題的提出
    6.2 相關研究工作
    6.3 Wikification推薦系統(tǒng)設計
        6.3.1 數(shù)據(jù)預處理系統(tǒng)
        6.3.2 推薦系統(tǒng)
    6.4 Wikification推薦系統(tǒng)性能評測
        6.4.1 推薦準確率
        6.4.2 關鍵短語覆蓋率
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 研究工作總結(jié)
    7.2 未來工作展望
附錄
致謝
參考文獻
攻讀博士學位期間取得的成果



本文編號：3838092