個(gè)性化推薦系統(tǒng),現(xiàn)如今已經(jīng)成為了各類電子商務(wù)公司為了滿足客戶需求的重要工具。但是,在線用戶的不斷擴(kuò)充以及產(chǎn)生大量的信息,如何利用這些信息并準(zhǔn)確地提供了個(gè)性化的內(nèi)容和服務(wù)變得越來(lái)越具有挑戰(zhàn)性。傳統(tǒng)的推薦模型過(guò)于依賴用戶的偏好評(píng)分,而且還常常受到數(shù)據(jù)稀疏性問(wèn)題的影響。單分類協(xié)同過(guò)濾模型更適用于電子商務(wù)真實(shí)的情況但由于其數(shù)據(jù)缺失值較多且類別極度不平衡,因此在物品推薦上還有明顯的不足之處,如數(shù)據(jù)稀疏性問(wèn)題和冷啟動(dòng)問(wèn)題。為了應(yīng)對(duì)上述的挑戰(zhàn),當(dāng)前很多研究致力于識(shí)別數(shù)據(jù)中的正例和負(fù)例,本文使用用戶的人格特質(zhì)信息和物品標(biāo)簽信息作為補(bǔ)充信息在加權(quán)正則矩陣分解模型的基礎(chǔ)上提出了兩種負(fù)例權(quán)重策略:一種是利用人格特質(zhì)信息計(jì)算用戶對(duì)產(chǎn)品的偏好程度,另一種是聯(lián)合人格特質(zhì)和物品標(biāo)簽信息計(jì)算用戶對(duì)產(chǎn)品的偏好程度。其負(fù)例權(quán)重策略基于的基本思想是:用戶對(duì)產(chǎn)品的偏好程度越大,該缺失項(xiàng)是負(fù)例的可能性就越小。在公開(kāi)數(shù)據(jù)集Last FM上的實(shí)驗(yàn)結(jié)果表明本文提出的模型能夠提高傳統(tǒng)單分類協(xié)同過(guò)濾模型的性能并有效緩解了數(shù)據(jù)稀疏性問(wèn)題和新用戶冷啟動(dòng)問(wèn)題。 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

用戶大五人格評(píng)分分布圖

圖 3. 2 隱因子數(shù)量的影響Fig 3.2 Impact of the dimension of latent factors外，我們還分析了不同的推薦列表長(zhǎng)度對(duì)模型的敏感度的影響:：在這里我們了 和 作為分析推薦列表長(zhǎng)度對(duì)模型影響的指標(biāo)，其實(shí)驗(yàn)結(jié)果

圖 3. 3 推薦列表長(zhǎng)度的影響Fig 3.3 Impact of the size of recommendation list..4 本章小結(jié)本章提出了一種在電子市場(chǎng)環(huán)境或社交媒體網(wǎng)站上使用的融合人格信息的

【參考文獻(xiàn)】：
期刊論文
[1]基于上下文項(xiàng)目評(píng)分分裂的協(xié)同過(guò)濾推薦[J]. 何明,劉毅,常盟盟,吳小飛.  計(jì)算機(jī)科學(xué). 2017(03)
[2]基于標(biāo)簽主題的協(xié)同過(guò)濾推薦算法研究[J]. 文俊浩,袁培雷,曾駿,王喜賓,周魏.  計(jì)算機(jī)工程. 2017(01)
[3]一種優(yōu)化組合相似度的協(xié)同過(guò)濾推薦算法[J]. 陳曦,成韻姿.  計(jì)算機(jī)工程與科學(xué). 2017(01)
[4]融入音樂(lè)子人格特質(zhì)和社交網(wǎng)絡(luò)行為分析的音樂(lè)推薦方法[J]. 琚春華,黃治移,鮑福光.  電信科學(xué). 2015(10)
[5]一種解決新項(xiàng)目冷啟動(dòng)問(wèn)題的推薦算法[J]. 于洪,李俊華.  軟件學(xué)報(bào). 2015(06)
[6]基于張量分解的個(gè)性化標(biāo)簽推薦算法[J]. 李貴,王爽,李征宇,韓子揚(yáng),孫平,孫煥良.  計(jì)算機(jī)科學(xué). 2015(02)
[7]協(xié)同過(guò)濾推薦技術(shù)綜述[J]. 冷亞軍,陸青,梁昌勇.  模式識(shí)別與人工智能. 2014(08)
[8]推薦系統(tǒng)中的冷啟動(dòng)問(wèn)題研究綜述[J]. 孫冬婷,何濤,張福海.  計(jì)算機(jī)與現(xiàn)代化. 2012(05)
[9]一種解決協(xié)同過(guò)濾系統(tǒng)冷啟動(dòng)問(wèn)題的新算法[J]. 李改,李磊.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2012(02)
[10]Tag-Aware Recommender Systems:A State-of-the-Art Survey[J]. 張子柯,周濤,張翼成.  Journal of Computer Science & Technology. 2011(05)



本文編號(hào)：2901643