發(fā)布時間：2017-08-11 14:05

  本文關鍵詞：信息推薦網絡的骨架抽取研究

  更多相關文章： 信息骨架抽取 信息推薦 復雜網絡 介數(shù)中心性

【摘要】：近年來,人們面對海量數(shù)據很難有效地分辨出哪些是自己真正需要的信息。隨著信息量的不斷增大,信息的利用率反而降低,這就是信息過載現(xiàn)象。隨著大量網絡信息的數(shù)字化,搜索引擎或推薦系統(tǒng)對人們來說已經成為至關重要的信息過濾工具。個性化推薦作為信息過濾技術可以根據用戶的歷史行為記錄來挖掘用戶的潛在興趣。推薦系統(tǒng)通常面臨大規(guī)模甚至超大規(guī)模數(shù)據,因此其計算復雜度相對較高甚至難以在全量數(shù)據中進行計算,而應用系統(tǒng)通常需要進行實時計算。因此,研究如何抽取信息推薦網絡的骨架,在保持推薦精度的前提下壓縮數(shù)據規(guī)模,對于真實應用的推薦系統(tǒng)具有重要意義。因此,本文從推薦網絡的結構特征出發(fā),分別研究網絡中的節(jié)點和連邊與推薦性能的相關性,并嘗試抽取能夠保持推薦系統(tǒng)性能的網絡信息骨架。主要工作如下:1、從識別重要節(jié)點和連邊的角度,總結了復雜網絡和推薦網絡的信息骨架抽取方法。闡述了推薦技術的基本理論、常見算法、評價指標和推薦網絡結構的拓撲特征。從用戶節(jié)點重要性的角度對比了幾種基于用戶節(jié)點的特征與推薦的相關性。2、提出了基于相似性子圖的推薦網絡信息骨架抽取算法。從推薦網絡的拓撲結構出發(fā),研究了幾種網絡結構特征與推薦的相關性。我們結合用戶相似性和商品相似性來定義推薦網絡中連邊的權重,并發(fā)現(xiàn)權重值大的連邊與推薦精度的相關性更強。三個真實數(shù)據集的實驗結果表明,通過該算法抽取的信息骨架能夠在top-L推薦過程中僅依賴原始網絡中20%的連邊就獲得超過90%的推薦準確率,同時還能保持推薦的多樣性。算法中相似鄰居個數(shù)的選擇對推薦效果也沒有明顯影響。此外,通過對信息骨架結構的詳細分析,我們發(fā)現(xiàn)信息骨架能夠較好的保持原始網絡的拓撲結構特征。該算法抽取的信息骨架能夠通過壓縮數(shù)據規(guī)模,有效地在保留推薦精度的同時提高推薦系統(tǒng)的性能。3、提出了基于介數(shù)中心性和時間信息混合的推薦網絡信息骨架抽取算法。本文通過引入介數(shù)中心性這一復雜網絡的拓撲特征,研究了基于用戶節(jié)點、商品節(jié)點以及連邊的介數(shù)中心性與推薦的相關性,實驗結果表明商品節(jié)點和連邊的介數(shù)中心性越高,其與推薦的相關性越強。據此,我們進一步提出了將時間信息與這兩種基于介數(shù)中心性的方法相結合的算法。在兩個真實數(shù)據集的結果表明,可以通過增加混合骨架抽取方法中介數(shù)中心性的權重來提高推薦系統(tǒng)的準確率,或者通過增加混合骨架抽取方法中時間因素的權重來提高推薦系統(tǒng)的多樣性。因此在信息骨架抽取的過程中,我們可以對連邊的介數(shù)中心性和時間信息選取合適的權重,使推薦算法在獲得較高準確率的同時,也能擁有較高的推薦多樣性,提高系統(tǒng)的個性化程度,并且減少數(shù)據的存儲空間,降低系統(tǒng)運行消耗的時間。
【關鍵詞】：信息骨架抽取 信息推薦 復雜網絡 介數(shù)中心性
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP393.02
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-17
• 1.1 研究工作的背景與意義11-12
• 1.2 國內外研究現(xiàn)狀12-14
• 1.2.1 信息推薦12-13
• 1.2.2 復雜網絡及其信息骨架13-14
• 1.3 本論文的主要貢獻與創(chuàng)新14-15
• 1.4 本論文的結構安排15-17
• 第二章 相關技術基礎17-28
• 2.1 網絡骨架抽取技術17-20
• 2.1.1 單模網絡骨架抽取17-19
• 2.1.2 推薦網絡骨架抽取19-20
• 2.2 推薦系統(tǒng)技術基礎20-27
• 2.2.1 推薦系統(tǒng)基本概念20
• 2.2.2 常見的推薦算法20-24
• 2.2.3 常見的評價指標24-26
• 2.2.4 常見的推薦網絡拓撲結構特征26-27
• 2.3 本章小結27-28
• 第三章 基于節(jié)點重要性的推薦網絡骨架抽取研究28-36
• 3.1 問題的提出與相關工作28-29
• 3.2 推薦網絡中用戶的重要性定義方法29-30
• 3.3 實驗設計30-33
• 3.3.1 數(shù)據集選取30-31
• 3.3.2 評價指標31
• 3.3.3 實驗方法及過程31-33
• 3.4 實驗結果分析33-34
• 3.5 本章小結34-36
• 第四章 基于連邊相關性的推薦網絡骨架抽取研究36-55
• 4.1 問題的提出與相關工作36-37
• 4.2 基于連邊相關性的推薦網絡骨架抽取算法37-41
• 4.2.1 推薦網絡信息骨架的定義37-38
• 4.2.2 對比算法38-39
• 4.2.3 基于相似性子圖的骨架抽取算法39-41
• 4.3 實驗設計41-43
• 4.3.1 數(shù)據集選取41
• 4.3.2 評價指標41-42
• 4.3.3 實驗方法及過程42-43
• 4.4 實驗結果分析43-54
• 4.4.1 信息骨架保持的推薦準確性和多樣性43-47
• 4.4.2 不同的相似鄰居個數(shù)對基于相似性子圖算法的影響47-48
• 4.4.3 推薦網絡信息骨架的結構分析48-54
• 4.5 本章小結54-55
• 第五章 基于介數(shù)中心性的推薦網絡骨架抽取研究55-69
• 5.1 問題的提出與相關工作55-57
• 5.2 基于介數(shù)中心性的骨架抽取算法57-59
• 5.2.1 基于節(jié)點和連邊介數(shù)中心性的算法57
• 5.2.2 基于介數(shù)中心性與時間信息混合的算法57-59
• 5.3 實驗設計59-61
• 5.3.1 數(shù)據集選取59-60
• 5.3.2 評價指標60
• 5.3.3 實驗方法及過程60-61
• 5.4 實驗結果分析61-68
• 5.4.1 基于介數(shù)中心性算法的準確性和多樣性61-65
• 5.4.2 基于介數(shù)中心性與時間信息混合算法的準確性和多樣性65-68
• 5.5 本章小結68-69
• 第六章 總結與展望69-71
• 6.1 總結69-70
• 6.2 展望70-71
• 致謝71-72
• 參考文獻72-77
• 攻讀碩士學位期間取得的研究成果77-78

【參考文獻】

中國期刊全文數(shù)據庫 前2條

1 劉建國;周濤;郭強;汪秉宏;;個性化推薦系統(tǒng)評價方法綜述[J];復雜系統(tǒng)與復雜性科學;2009年03期

2 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進展[J];自然科學進展;2009年01期

中國博士學位論文全文數(shù)據庫 前1條

1 曾偉;推薦算法與推薦網絡研究[D];電子科技大學;2015年

，

本文編號：656493