本文關鍵詞：基于用戶思維方式的組合推薦算法，由筆耕文化傳播整理發(fā)布。

【摘要】：伴隨互聯(lián)網(wǎng)的高速發(fā)展,網(wǎng)絡上的各種信息匯聚到一起,用戶很難從大量的信息中搜索到所需的信息。搜索引擎能夠根據(jù)用戶輸入的關鍵字進行搜索,減少用戶查找時間。但是,搜索引擎技術對所有用戶展示的搜索結果是相同的,為了滿足不同用戶獨立的需求,減少用戶查找的時間,各種個性化推薦系統(tǒng)紛紛被利用到互聯(lián)網(wǎng)各大電商平臺�，F(xiàn)有的推薦算法存在很多局限性,例如：信息資源有限使得推薦質量不高,不能有效篩選出滿足用戶需求的物品。同時,現(xiàn)有的推薦算法隨著用戶和信息資源數(shù)量的增加,面臨著很多的困難,例如：數(shù)據(jù)稀疏,冷啟動,新項目推薦困難等。為了克服這些困難,本文融入用戶的思維方式,結合社交網(wǎng)絡和項目標簽信息,對現(xiàn)有的推薦算法進行改進,提高推薦的個性化特征和準確性。首先,論文從社交網(wǎng)絡朋友關系的角度出發(fā),充分利用社交網(wǎng)絡中用戶間的關注關系,提出了基于用戶信任關系重建和社交網(wǎng)絡傳遞的推薦算法TRSP。 TRSP算法的主要研究如下：1)社交網(wǎng)絡中直接給出了用戶可以信任的朋友列表,但是網(wǎng)絡上交友的簡單便捷使得朋友關系中存在噪音而不能直接利用。為了解決噪音問題,提高信任關系的利用效率,本文對用戶的社交網(wǎng)絡朋友圈進行“去偽存真”操作�！叭未嬲妗睂⑴笥讶鹊摹皞闻笥选碧蕹雠笥讶Α�2)考慮到去偽存真操作帶來的數(shù)據(jù)稀疏問題,本文從用戶的歷史信息中搜索到與用戶興趣愛好相似的用戶作為“潛在朋友”來擴充朋友圈,最終構建可靠的用戶社交網(wǎng)絡信任關系。3)針對用戶數(shù)量的增加給社交網(wǎng)絡推薦帶來了數(shù)據(jù)稀疏的壓力這一問題,本文提出利用用戶信任關系的傳播特點,使用目標用戶“朋友的朋友”作為數(shù)據(jù)的另一源頭完成推薦,并在Epinions數(shù)據(jù)集實現(xiàn)并驗證TRSP算法,試驗表明重建后的社交網(wǎng)絡信任關系在推薦上更加準確。其次,標簽信息很好的反映了用戶自身的習慣和興趣愛好,根據(jù)用戶的標簽信息能夠很好的挖掘用戶背后的需求。本文充分利用社會標注信息,提出基于個性化時間標簽云的大眾分類法PTTC。PTTC算法主要的研究如下：1)從標注信息中提取用戶的偏好標簽云,代表用戶的喜好；提取物品標簽云描述物品的信息,找出最優(yōu)的相似度衡量方法度量標簽云間相似度完成推薦。2)用戶的興趣愛好不是靜止的,不同的時間段內用戶的興趣偏好側重點不同,考慮時間的影響,本文根據(jù)標簽的時間戳信息抽取用戶的時間段標簽云。3)由于打標簽的自由與隨意,標簽集合中存在很多含糊不清的或者重復冗余的信息,本文根據(jù)標簽的使用情況對標簽進行去除冗余；用戶對不同物品的喜愛程度不相同,對一用戶來說不同的物品間存在著差別,相應的同樣的標簽不同的物品,標簽具有的價值之間也應該有差別。根據(jù)這一思想對用戶的標簽信息進行加權,提取加權的偏好標簽云和加權時間標簽云。4)為解決物品和用戶數(shù)量的龐大帶來的標簽數(shù)據(jù)稀疏問題,本文將偏好標簽云與時間標簽云合理的進行組合,最大程度的利用社會標注信息完成推薦。雖然社交網(wǎng)絡信息和和標簽信息都能很好的輔助完成推薦,但是單一的推薦算法都存在著本身的缺陷。TRSP算法在為用戶推薦物品時,根據(jù)朋友的建議來決定物品清單,推薦過程中沒有考慮到物品本身的屬性特征,不能根據(jù)用戶的需求直觀的進行物品選擇；PTTC算法在為用戶推薦物品時充分考慮物品的特征屬性,利用標簽信息匹配用戶的需求完成推薦,在這一過程中沒有充分考慮到當代用戶喜愛社交的特性。為了克服單一算法的缺陷,同時發(fā)揮兩種算法的優(yōu)勢,本文最后提出了基于用戶思維方式的組合推薦算法UTMCR。對于不同的用戶,選擇物品時思維方式不同,選擇物品的方法也不相同。UTMCR算法度量和定義用戶的思維方式,根據(jù)用戶的思維方式來切換推薦系統(tǒng)中使用的推薦算法。對于“借鑒”思維方式將采用TRSP算法為用戶進行推薦,對于“搜索匹配”思維方式將采用PTTC算法為用戶完成推薦。UTMCR利用切換算法的方法完成了組合推薦,論文在數(shù)據(jù)集Last.fm上從多個角度實現(xiàn)并驗證了UTMCR算法帶來的優(yōu)勢。
【關鍵詞】：社交網(wǎng)絡 信任關系 標簽云 思維方式 組合推薦算法
【學位授予單位】：安徽大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要3-5
• Abstract5-11
• 第一章 緒論11-17
• 1.1 論文研究背景與意義11-12
• 1.2 國內外研究現(xiàn)狀12-14
• 1.3 本文主要工作與貢獻14-16
• 1.4 文章結構安排16-17
• 第二章 推薦算法中相關技術介紹17-25
• 2.1 協(xié)同過濾推薦技術17-19
• 2.2 社交網(wǎng)絡推薦技術19-21
• 2.3 基于標簽的推薦方法21-22
• 2.4 算法性能評價指標22-25
• 2.4.1 數(shù)據(jù)集22-23
• 2.4.2 評估標準23-25
• 第三章 技術路線25-27
• 第四章 基于信任關系重建和社交網(wǎng)絡傳遞的推薦算法27-37
• 4.1 問題描述27
• 4.2 基于信任關系重建的社交網(wǎng)絡傳遞的推薦算法27-30
• 4.2.1 去偽存真27-29
• 4.2.2 改進用戶相似性29
• 4.2.3 潛在朋友推薦29-30
• 4.2.4 調節(jié)預測評分30
• 4.3 試驗結果與分析30-36
• 4.3.1 試驗方案30-31
• 4.3.2 去偽存真31-32
• 4.3.3 特殊用戶處理32-33
• 4.3.4 用戶相似性改進實驗33
• 4.3.5 潛在朋友推薦33-34
• 4.3.6 二端分布函數(shù)調節(jié)評分34-35
• 4.3.7 TRSP算法與其他方法的比較35-36
• 4.4 本章總結36-37
• 第五章 基于用戶思維方式的組合推薦算法37-49
• 5.1 基于個性化時間段標簽云的推薦算法37-40
• 5.1.1 用戶偏好標簽云推薦37-38
• 5.1.2 加權偏好標簽云推薦38
• 5.1.3 用戶時間標簽云推薦38-39
• 5.1.4 個性化時間標簽云推薦39-40
• 5.2 基于用戶思維方式的組合推薦算法40-42
• 5.2.1 思維方式定義與度量40-41
• 5.2.2 組合推薦算法41-42
• 5.3 試驗評估與分析42-48
• 5.3.1 試驗方案42
• 5.3.2 偏好標簽云推薦結果42-43
• 5.3.3 加權偏好標簽云推薦結果43-44
• 5.3.4 時間標簽云推薦結果44
• 5.3.5 加權時間標簽云標簽推薦結果44-45
• 5.3.6 個性化時間標簽云推薦結果45-46
• 5.3.7 用戶思維方式選擇試驗結果46
• 5.3.8 與其他論文算法比較46-48
• 5.4 本章小結48-49
• 第六章 總結與展望49-51
• 6.1 總結49-50
• 6.2 展望50-51
• 參考文獻51-56
• 在讀期間發(fā)表的學術論文與研究成果56-57
• 致謝57-58
• 附錄58-59
• 附錄A 圖索引58
• 附錄B 表索引58-59
• Appendix59
• Appendix A Figure Index59
• Appendix B Table Index59

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

2 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

4 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：302549