本文選題：顯式興趣漂移模型 + 隱式興趣遺忘模型　； 參考：《西北農(nóng)林科技大學(xué)》2017年碩士論文

【摘要】：隨著科技的快速發(fā)展,互聯(lián)網(wǎng)中的數(shù)據(jù)正在進(jìn)爆炸性的增長(zhǎng)。當(dāng)下如何在龐大的數(shù)據(jù)中,準(zhǔn)確并迅速的找到用戶(hù)所需要的有用信息,成為研究推薦領(lǐng)域的焦點(diǎn)。用戶(hù)獲得有價(jià)值信息的兩個(gè)基本的途徑是用戶(hù)的手動(dòng)的搜索和系統(tǒng)的個(gè)性化推薦,在對(duì)于某些領(lǐng)域,需要比較智能性方式為用戶(hù)推薦想要的信息。本文主要研究?jī)?nèi)容如下:(1)提出基于顯式與隱式興趣漂移檢測(cè)模型,并進(jìn)行興趣漂移。由于用戶(hù)的興趣會(huì)隨著時(shí)間推移而改變,因此,通過(guò)顯式興趣漂移檢測(cè)模型對(duì)其檢測(cè),并利用隱式進(jìn)行興趣修正。本文提出五種興趣模型,利用其相關(guān)屬性值及關(guān)聯(lián)密集度增量對(duì)其進(jìn)行模式匹配,得到用戶(hù)興趣序列。對(duì)該序列利用指數(shù)遺忘函數(shù)進(jìn)行隱式興趣修正,進(jìn)而得到用戶(hù)真正的興趣。實(shí)驗(yàn)結(jié)果表明,顯式興趣漂模型對(duì)其用戶(hù)興趣的判別準(zhǔn)確率及召回率達(dá)到了88.23%~90.96%和87.43%~89.54%,能夠準(zhǔn)確地捕獲到用戶(hù)當(dāng)前的興趣。(2)設(shè)計(jì)了基于顯式與隱式興趣漂移檢測(cè)模型的協(xié)同過(guò)濾算法。針對(duì)協(xié)同過(guò)濾算法推薦準(zhǔn)確度低的問(wèn)題,采用屬性相似度與評(píng)分相似度加權(quán)得到新的相似度,利用基于項(xiàng)目的協(xié)同過(guò)濾算法,通過(guò)顯隱式興趣漂移檢測(cè)模型得到用戶(hù)當(dāng)前興趣,并進(jìn)行相關(guān)項(xiàng)目的推薦。實(shí)驗(yàn)結(jié)果表明,本文算法與傳統(tǒng)的協(xié)同過(guò)濾算法相比較,平均絕對(duì)偏差MAE值降低了3.41%,說(shuō)明了與傳統(tǒng)協(xié)同過(guò)濾算法相比,對(duì)用戶(hù)興趣的檢測(cè)以及混合相似度的計(jì)算能夠提高算法對(duì)其用戶(hù)的推薦準(zhǔn)確率。(3)電影推薦系統(tǒng)的實(shí)現(xiàn)。通過(guò)利用本文提出的關(guān)鍵算法對(duì)該系統(tǒng)進(jìn)行模塊化分析設(shè)計(jì)與實(shí)現(xiàn)。系統(tǒng)利用SSH框架進(jìn)行后臺(tái)開(kāi)發(fā),該平臺(tái)提供了用戶(hù)電影的相關(guān)推薦,以及用戶(hù)對(duì)瀏覽項(xiàng)目進(jìn)行評(píng)分等功能。
[Abstract]:With the rapid development of science and technology, the data in the Internet is increasing explosively. How to accurately and quickly find the useful information needed by users in the huge data has become the focus of research recommendation field. The two basic ways for users to obtain valuable information are the manual search of users and the personalized recommendation of the system. For some fields, it is necessary to recommend the desired information in a more intelligent way for users. The main contents of this paper are as follows: (1) an interest drift detection model based on explicit and implicit interest drift detection is proposed. Because the user's interest will change with time, the explicit interest drift detection model is used to detect the user's interest, and the implicit interest correction is used. In this paper, we propose five interest models, and use their correlation attribute value and correlation intensity increment to match their patterns and get the user interest sequence. The sequence is modified by implicit interest using exponential forgetting function, and then the real interest of the user is obtained. The experimental results show that, The accuracy and recall rate of explicit interest drift model for user interest is 88.230.96% and 87.43% respectively, which can accurately capture the user's current interest. A collaborative filtering algorithm based on explicit and implicit interest drift detection model is designed. Aiming at the problem of low recommendation accuracy of collaborative filtering algorithm, the new similarity is obtained by weighted attribute similarity and score similarity, and the current interest of users is obtained by explicit implicit interest drift detection model using item-based collaborative filtering algorithm. And carry on the related project recommendation. The experimental results show that compared with the traditional collaborative filtering algorithm, the average absolute deviation MAE value of this algorithm is 3.41% lower than that of the traditional collaborative filtering algorithm. The detection of user interest and the calculation of mixed similarity can improve the accuracy of the proposed algorithm. By using the key algorithm proposed in this paper, the modularization analysis and implementation of the system are carried out. The system uses the SSH framework for background development, the platform provides users with the relevant recommendations of movies, as well as users to browse the project score and other functions.
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳歡,葉東毅;數(shù)據(jù)過(guò)濾算法的一種改進(jìn)[J];福建電腦;2004年02期

2 陳端兵;周玉林;傅彥;;一種基于鄰居信息的最大派系過(guò)濾算法[J];計(jì)算機(jī)科學(xué);2011年01期

3 潘偉洪;曾紀(jì)瑤;;教學(xué)評(píng)估系統(tǒng)的數(shù)據(jù)過(guò)濾算法的設(shè)計(jì)與實(shí)現(xiàn)[J];電腦知識(shí)與技術(shù);2006年14期

4 李永;徐德智;張勇;邢春曉;;協(xié)作過(guò)濾算法中一種預(yù)測(cè)值判定方法的研究[J];小型微型計(jì)算機(jī)系統(tǒng);2008年03期

5 傅鶴崗;彭晉;;基于模范用戶(hù)的改進(jìn)協(xié)同過(guò)濾算法[J];計(jì)算機(jī)工程;2011年03期

6 張莉;滕丕強(qiáng);秦桃;;利用社會(huì)網(wǎng)絡(luò)關(guān)鍵用戶(hù)改進(jìn)協(xié)同過(guò)濾算法性能[J];情報(bào)雜志;2014年04期

7 高鳳榮;邢春曉;杜小勇;王珊;;基于矩陣聚類(lèi)的協(xié)作過(guò)濾算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S1期

8 謝翔宙;張延園;;一種優(yōu)化的組合協(xié)同過(guò)濾算法[J];微電子學(xué)與計(jì)算機(jī);2010年12期

9 劉浩杰;金鑫;;一種改進(jìn)的協(xié)作過(guò)濾算法[J];電氣自動(dòng)化;2011年05期

10 何苗;全宇;;基于關(guān)鍵詞的文本內(nèi)容過(guò)濾算法的改進(jìn)[J];微計(jì)算機(jī)應(yīng)用;2007年08期

相關(guān)會(huì)議論文 前4條

1 趙勇;高鳳榮;邢春曉;;基于用戶(hù)權(quán)威的協(xié)作過(guò)濾算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

2 黃申;李宏言;王士進(jìn);徐波;;英語(yǔ)口語(yǔ)重復(fù)修正檢錯(cuò)中語(yǔ)法網(wǎng)絡(luò)和搜索過(guò)濾算法研究[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

3 陳志文;姜建國(guó);王開(kāi)云;;網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)警報(bào)過(guò)濾算法設(shè)計(jì)[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

4 黃申;李宏言;王士進(jìn);徐波;;英語(yǔ)口語(yǔ)重復(fù)修正檢錯(cuò)中語(yǔ)法網(wǎng)絡(luò)和搜索過(guò)濾算法[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（二）[C];2011年

相關(guān)博士學(xué)位論文 前1條

1 張亮;推薦系統(tǒng)中協(xié)同過(guò)濾算法若干問(wèn)題的研究[D];北京郵電大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 趙東波;協(xié)同過(guò)濾算法相似度和擴(kuò)展性問(wèn)題的研究與改進(jìn)[D];東北師范大學(xué);2015年

2 商楊;基于MapReduce的可擴(kuò)展協(xié)同過(guò)濾算法的研究[D];大連海事大學(xué);2015年

3 王彩群;分布式協(xié)同過(guò)濾算法研究[D];北京理工大學(xué);2015年

4 魏歡;基于網(wǎng)格聚類(lèi)—協(xié)同過(guò)濾算法的推薦系統(tǒng)研究[D];西安工程大學(xué);2016年

5 楊露;基于協(xié)同過(guò)濾算法的鶴崗師專(zhuān)多媒體教學(xué)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2016年

6 孔艷莉;基于協(xié)同過(guò)濾算法的個(gè)性化推薦技術(shù)研究[D];北京工業(yè)大學(xué);2016年

7 孔亭;基于協(xié)同過(guò)濾算法的備課資源推薦方法的研究[D];東北師范大學(xué);2016年

8 申凱麗;推薦系統(tǒng)中協(xié)同過(guò)濾算法的改進(jìn)與研究[D];北京交通大學(xué);2017年

9 王平;基于協(xié)同過(guò)濾算法的新聞的個(gè)性化推送系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];湖南大學(xué);2016年

10 陳遙烽;異構(gòu)單類(lèi)協(xié)同過(guò)濾算法研究[D];深圳大學(xué);2017年

，

本文編號(hào)：1909201