【摘要】：伴隨著互聯(lián)網(wǎng)應(yīng)用的大量涌現(xiàn),信息過載問題變得越來越嚴(yán)重,推薦系統(tǒng)逐漸成為解決該問題的最重要技術(shù)之一。推薦系統(tǒng)雖然已經(jīng)歷了多年的研究,并且在許多領(lǐng)域獲得了成功的應(yīng)用,但大多數(shù)推薦系統(tǒng)仍然都存在一些固有的缺陷和不足,例如:冷啟動(dòng)問題、數(shù)據(jù)稀疏問題、以及不能充分利用上下文數(shù)據(jù)等問題。近年來出現(xiàn)大量的各種在線社會(huì)網(wǎng)絡(luò)極大地豐富了人們的工作和生活,方便了人們的溝通與交流。為克服傳統(tǒng)推薦系統(tǒng)中所存在的問題和不足,學(xué)術(shù)界和工業(yè)界紛紛嘗試將用戶的社會(huì)信息融入到傳統(tǒng)的推薦系統(tǒng),利用在線社會(huì)網(wǎng)絡(luò)所收集到的用戶的社會(huì)信息來改進(jìn)和加強(qiáng)傳統(tǒng)的推薦系統(tǒng)的性能。社會(huì)化推薦是一個(gè)新興的的研究領(lǐng)域,本研究所關(guān)注的是廣義定義下的社會(huì)化推薦問題,根據(jù)當(dāng)前社會(huì)化推薦領(lǐng)域的研究現(xiàn)狀,本研究選擇四個(gè)研究點(diǎn)開展了研究工作:第一,社會(huì)化推薦中一個(gè)重要的問題是用戶的相似度度量問題。針對(duì)社會(huì)化推薦中數(shù)據(jù)具有規(guī)模大和稀疏性特點(diǎn),本文提出了一種基于流形排序和矩陣分解技術(shù)的社會(huì)化推薦方法,將用戶之間的相似性融入到評(píng)分矩陣的低階矩陣分解過程。實(shí)驗(yàn)表明,在用戶的隱含特征的流形結(jié)構(gòu)與社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)相符的條件下,該方法相比其它同類方法具有更高的推薦精度和更低的RMSE和MAE值。第二,現(xiàn)有的社會(huì)化推薦研究絕大多數(shù)強(qiáng)調(diào)的是用戶行為的社會(huì)性,而基本忽視了非社會(huì)性對(duì)用戶行為的影響。因此,本文研究了兼顧用戶評(píng)分習(xí)慣的相關(guān)性和獨(dú)立性的社會(huì)化推薦問題,提出了一種基于矩陣分解的社會(huì)化推薦方法,該方法在傳統(tǒng)的概率矩陣解模型的基礎(chǔ)上加入了額外的偏置項(xiàng)和正則項(xiàng),考慮了用戶評(píng)分習(xí)慣之間的相關(guān)性和獨(dú)立性、以及物品固有特性對(duì)推薦過程的影響。實(shí)驗(yàn)結(jié)果表明,在大部分用戶和物品同時(shí)表現(xiàn)出社會(huì)性與非社會(huì)性的條件下,該方法比其它同類的推薦方法具有更好的性能。第三,當(dāng)前大多數(shù)朋友推薦方法利用社會(huì)關(guān)系及隱含其中的興趣相似性進(jìn)行推薦,而較少在考慮用戶的社會(huì)關(guān)系的同時(shí),將評(píng)分?jǐn)?shù)據(jù)作為用戶興趣的顯式反饋融入到推薦過程。因此,提出了一種基于因式分解的朋友推薦方法,該方法同時(shí)考慮朋友間的社會(huì)關(guān)系和興趣評(píng)分這兩類信息,利用高斯核來捕捉用戶間的興趣相關(guān)性,通過高斯過程來生成用戶的隱含特征向量,形成一種可以從社會(huì)網(wǎng)絡(luò)中推薦具有共同愛好的人的朋友推薦方法。實(shí)驗(yàn)表明,在用戶社會(huì)網(wǎng)絡(luò)較少地蘊(yùn)含興趣相似性的條件下,該方法比其它傳統(tǒng)的僅根據(jù)社會(huì)關(guān)系的連接預(yù)測方法的具有更高的查準(zhǔn)率。第四,分析社會(huì)化標(biāo)簽已經(jīng)成為理解用戶喜好的重要途徑,甚至比分析用戶的評(píng)分和社會(huì)關(guān)系效果更好,因此,本文研究了基于標(biāo)簽信息、評(píng)分記錄以及社會(huì)關(guān)系的社會(huì)化推薦問題,提出一種基于標(biāo)簽輔助信息的社會(huì)化推薦方法,該方法利用矩陣分解和正則化方法,對(duì)評(píng)分?jǐn)?shù)據(jù)、打標(biāo)簽的數(shù)據(jù)和打標(biāo)注的數(shù)據(jù)進(jìn)行同步的矩陣分解,利用用戶之間的社會(huì)關(guān)系對(duì)用戶之間的隱含特征增加社會(huì)化約束。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。
[Abstract]:......
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 胡祥;王文東;龔向陽;王柏;闕喜戎;;基于流形排序的社會(huì)化推薦方法[J];北京郵電大學(xué)學(xué)報(bào);2014年03期

，

本文編號(hào)：2365937