本文關(guān)鍵詞：基于集體智慧的標(biāo)簽推薦系統(tǒng)的設(shè)計與開發(fā)，，由筆耕文化傳播整理發(fā)布。

【摘要】：21世紀(jì)是網(wǎng)絡(luò)快速發(fā)展的時代,也是用戶創(chuàng)造智慧的時代。網(wǎng)絡(luò)給我們提供了無限多的資源去選擇、分享,同時也帶來了信息過載的問題,近年來在電子商務(wù)領(lǐng)域取得飛速發(fā)展的個性化推薦技術(shù)是解決這一問題的較好方案。Web2.0時代最大的特征是“以用戶為中心”,集體智慧作為這個時代的核心價值觀,突出顯示了用戶的重要性。而社會化標(biāo)注既是網(wǎng)絡(luò)環(huán)境下集體智慧的典型類型,也是Web2.0時代的標(biāo)志性應(yīng)用之一。因此標(biāo)簽為個性化資源推薦帶來了新的機(jī)遇,其反映了用戶對資源的偏好,也是資源特征的關(guān)鍵詞描述。 本文主要研究如何在社會性標(biāo)簽系統(tǒng)中使用標(biāo)簽信息對用戶進(jìn)行個性化推薦,主要完成了以下5項工作： (1)介紹了選題背景,突出基于集體智慧的標(biāo)簽推薦系統(tǒng)的設(shè)計和開發(fā)的必要性和迫切性,同時分析了目前國內(nèi)外集體智慧和標(biāo)簽推薦系統(tǒng)取得的成就和存在問題,并針對這些問題設(shè)計了可行性的實施方案。 (2)介紹了集體智慧、標(biāo)簽系統(tǒng)、標(biāo)簽推薦系統(tǒng)的相關(guān)理論,以及協(xié)同過濾推薦技術(shù)、基于內(nèi)容的推薦技術(shù)和混合推薦技術(shù)各自的特點。 (3)依據(jù)標(biāo)簽推薦系統(tǒng)功能的要求設(shè)計了4種標(biāo)簽推薦算法：PopularTags(系統(tǒng)中最熱門的標(biāo)簽推薦算法)、ItemPopularTags(某個資源上最熱門的標(biāo)簽推薦算法)、UserPopularTags(用戶自己經(jīng)常使用的標(biāo)簽推薦算法)和TagBaseSIM(改進(jìn)的基于內(nèi)容的標(biāo)簽推薦算法)。重點介紹了TagBaseSIM算法,該算法是在傳統(tǒng)的基于內(nèi)容的標(biāo)簽推薦算法上進(jìn)行的改進(jìn),首先利用用戶模型和資源模型得到該用戶的偏好信息；然后將目標(biāo)用戶標(biāo)注的所有資源的特征項以及與其相似資源的標(biāo)簽作為候選標(biāo)簽集；同時對候選標(biāo)簽集進(jìn)行聚類分析,得到各個標(biāo)簽簇和資源的相似度；最后根據(jù)相似度的大小向用戶推薦N個標(biāo)簽簇中相似度最大的標(biāo)簽列表。由于標(biāo)簽數(shù)據(jù)自身可能出現(xiàn)標(biāo)簽?zāi)：腿哂?該方法采用標(biāo)簽聚類分析方法(K-means)可以有效降低此問題對于推薦質(zhì)量的影響。 (4)在數(shù)據(jù)挖掘平臺Sql Server2005和Weka平臺上,借助于社會化書簽標(biāo)記系統(tǒng)Delicious真實數(shù)據(jù)集,采用離線實驗方法進(jìn)行十次十折交叉驗證實驗,在這些數(shù)據(jù)集上首先分別對前三個算法進(jìn)行實驗,得到各個個算法的準(zhǔn)確率、召回率和綜合評價指標(biāo)F1值；然后對本文提出的改進(jìn)的基于內(nèi)容的推薦算法和傳統(tǒng)的基于內(nèi)容推薦方法進(jìn)行對照實驗,結(jié)果顯示,改進(jìn)的基于內(nèi)容的推薦算法具有更好的推薦精度。 (5)在MyEclipse平臺上結(jié)合MySql數(shù)據(jù)庫管理軟件設(shè)計開發(fā)了針對于“信息技術(shù)教師成長發(fā)展”這一主題的一個標(biāo)簽推薦系統(tǒng),該系統(tǒng)在不同的頁面中使用了文中提出的四種標(biāo)簽推薦算法,實現(xiàn)向用戶推薦不同的標(biāo)簽列表,克服了冷啟動的問題。
【關(guān)鍵詞】：個性化推薦 集體智慧 標(biāo)簽 標(biāo)簽聚類
【學(xué)位授予單位】：陜西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：G434;TP391.3
【目錄】：

• 摘要3-5
• Abstract5-10
• 第1章 緒論10-22
• 1.1 選題背景10-12
• 1.1.1 Web 2.0時代和集體智慧10
• 1.1.2 信息過載10-11
• 1.1.3 標(biāo)簽的流行11-12
• 1.2 研究現(xiàn)狀12-17
• 1.2.1 國外研究現(xiàn)狀12-15
• 1.2.2 國內(nèi)研究現(xiàn)狀15-17
• 1.3 研究方法17-18
• 1.4 研究目的和意義18-19
• 1.5 研究內(nèi)容和結(jié)構(gòu)安排19-22
• 第2章 相關(guān)理論基礎(chǔ)和技術(shù)介紹22-36
• 2.1 集體智慧22-24
• 2.1.1 集體智慧的定義22
• 2.1.2 集體智慧的特點22-23
• 2.1.3 集體智慧的原則23
• 2.1.4 社會認(rèn)同理論與集體智慧23-24
• 2.2 標(biāo)簽系統(tǒng)24-30
• 2.2.1 標(biāo)簽系統(tǒng)24-27
• 2.2.2 標(biāo)簽系統(tǒng)的基礎(chǔ)模型27-28
• 2.2.3 標(biāo)簽系統(tǒng)的特點28-29
• 2.2.4 標(biāo)簽系統(tǒng)的作用29-30
• 2.3 標(biāo)簽推薦系統(tǒng)和推薦技術(shù)介紹30-36
• 2.3.1 標(biāo)簽推薦系統(tǒng)簡介30-32
• 2.3.2 標(biāo)簽推薦系統(tǒng)的分類32
• 2.3.3 基于協(xié)同過濾的標(biāo)簽推薦系統(tǒng)32-34
• 2.3.4 基于內(nèi)容的標(biāo)簽推薦系統(tǒng)34-35
• 2.3.5 基于混合模式的推薦系統(tǒng)35-36
• 第3章 標(biāo)簽推薦系統(tǒng)的算法設(shè)計36-46
• 3.1 三種簡單的標(biāo)簽推薦系統(tǒng)算法37-38
• 3.1.1 PopularTags37
• 3.1.2 ItemPopularTags37
• 3.1.3 UserPopularTags37-38
• 3.2 改進(jìn)的基于內(nèi)容的標(biāo)簽推薦(TagBaseSIM)算法38-46
• 3.2.1 改進(jìn)的基于內(nèi)容的標(biāo)簽推薦算法38-39
• 3.2.2 用戶模型和資源模型39-41
• 3.2.3 相似度的計算41-42
• 3.2.4 標(biāo)簽聚類分析42-44
• 3.2.5 產(chǎn)生推薦結(jié)果44-46
• 第4章 實驗設(shè)計與結(jié)果分析46-60
• 4.1 實驗工具簡介46-48
• 4.1.1 SQL Server 2005簡介46-47
• 4.1.2 Weka平臺簡介47-48
• 4.2 實驗數(shù)據(jù)48-50
• 4.2.1 Delicious數(shù)據(jù)集簡介48-49
• 4.2.2 Delicious數(shù)據(jù)集簡單分析49-50
• 4.3 實驗評價標(biāo)準(zhǔn)50-52
• 4.3.1 離線實驗50-51
• 4.3.2 用戶調(diào)查51-52
• 4.3.3 在線實驗52
• 4.4 實驗設(shè)計52-57
• 4.4.1 實驗整體架構(gòu)設(shè)計52-53
• 4.4.2 聚類分析53-55
• 4.4.3 訓(xùn)練集和測試集的分割55-56
• 4.4.4 實驗具體設(shè)計56-57
• 4.5 實驗結(jié)果分析57-60
• 第5章 標(biāo)簽推薦系統(tǒng)設(shè)計與開發(fā)60-80
• 5.1 系統(tǒng)需求分析和總體設(shè)計60-64
• 5.1.1 需求分析60-61
• 5.1.2 系統(tǒng)功能架構(gòu)61-62
• 5.1.3 系統(tǒng)開發(fā)環(huán)境與技術(shù)62-64
• 5.2 數(shù)據(jù)庫設(shè)計64-67
• 5.2.1 user表64
• 5.2.2 resource表64-65
• 5.2.3 Tag表65
• 5.2.4 UserTaggedRes表65
• 5.2.5 建立數(shù)據(jù)庫JDBC連接65-67
• 5.3 系統(tǒng)界面設(shè)計67-73
• 5.3.1 主頁面和標(biāo)簽選擇頁面67-69
• 5.3.2 用戶登錄模塊設(shè)計69-73
• 5.4 數(shù)據(jù)管理頁面73-74
• 5.4.1 用戶添加標(biāo)簽73-74
• 5.4.2 添加資源頁面74
• 5.5 系統(tǒng)測試與效果分析74-80
• 5.5.1 調(diào)查問卷設(shè)計及完成情況介紹75-76
• 5.5.2 標(biāo)簽推薦系統(tǒng)用戶調(diào)查情況分析76-77
• 5.5.3 用戶對標(biāo)簽系統(tǒng)設(shè)計情況分析77-78
• 5.5.4 用戶對標(biāo)簽推薦算法情況分析78-79
• 5.5.5 用戶對系統(tǒng)的改進(jìn)意見情況分析79-80
• 第6章 總結(jié)與展望80-82
• 6.1 論文總結(jié)和主要成果80-81
• 6.2 進(jìn)一步的研究和展望81-82
• 參考文獻(xiàn)82-86
• 附錄186-90
• 附錄290-92
• 致謝92-94
• 攻讀碩士學(xué)位期間科研成果94

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 劉妮;唐慧佳;;Web挖掘在基于標(biāo)簽的個性化推薦中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報;2007年04期

2 高鳳榮,馬文峰,王珊;數(shù)字圖書館個性化信息推薦系統(tǒng)研究[J];情報理論與實踐;2003年04期

3 甘永成;祝智庭;;虛擬學(xué)習(xí)社區(qū)知識建構(gòu)和集體智慧發(fā)展的學(xué)習(xí)框架[J];中國電化教育;2006年05期

  本文關(guān)鍵詞：基于集體智慧的標(biāo)簽推薦系統(tǒng)的設(shè)計與開發(fā)，由筆耕文化傳播整理發(fā)布。

本文編號：503699