推薦系統(tǒng)是應(yīng)對(duì)信息爆炸問題的有效工具,它幫助人們從大量信息或數(shù)據(jù)中快速準(zhǔn)確地找到所需,在書籍影音和電商等領(lǐng)域都有廣泛應(yīng)用。推薦系統(tǒng)的信息核是系統(tǒng)中攜帶著可靠、客觀且有利于推薦的信息的一組核心用戶。推薦系統(tǒng)信息核提取問題就是找到能最好地代表系統(tǒng)全體用戶的這組核心用戶。研究表明,信息核用戶代替系統(tǒng)全體用戶投入到推薦過程中時(shí),能夠得到滿意的推薦結(jié)果,同時(shí)提高在線推薦效率。推薦系統(tǒng)信息核提取問題是對(duì)推薦系統(tǒng)中用戶及用戶間關(guān)系的研究,對(duì)用戶關(guān)系的深入認(rèn)知也有助于推動(dòng)推薦算法性能的提升。因此,推薦系統(tǒng)信息核提取問題是一個(gè)兼具理論研究價(jià)值和實(shí)際應(yīng)用價(jià)值的課題。本文在學(xué)習(xí)已有推薦系統(tǒng)信息核提取算法的基礎(chǔ)上,利用進(jìn)化算法,對(duì)推薦系統(tǒng)信息核提取問題中的多目標(biāo)優(yōu)化問題,域內(nèi)多任務(wù)優(yōu)化問題及跨域多任務(wù)優(yōu)化問題進(jìn)行了研究:（1）提出了基于多目標(biāo)進(jìn)化算法的推薦系統(tǒng)信息核提取算法。已有的推薦系統(tǒng)信息核提取方法主要分為兩大類:以準(zhǔn)確率為目標(biāo)的貪心算法和進(jìn)化算法。推薦系統(tǒng)的評(píng)價(jià)指標(biāo)是多樣的,準(zhǔn)確率、覆蓋率和多樣性等都是評(píng)價(jià)推薦效果的重要指標(biāo)。已有的推薦系統(tǒng)信息核提取算法往往只關(guān)注準(zhǔn)確率,忽略了其他評(píng)價(jià)指標(biāo)。為了滿足推薦... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

亞馬遜圖書推薦頁面

圖 3.1 推薦系統(tǒng)信息核提取問題目標(biāo)推薦系統(tǒng)信息核提取問題一個(gè)復(fù)雜的應(yīng)用系統(tǒng)，一個(gè)好的推薦系統(tǒng)需要在各個(gè)不同現(xiàn)[4]。相對(duì)應(yīng)地，對(duì)于推薦系統(tǒng)信息核提取問題來說，一到推薦過程中時(shí)，也應(yīng)該在多種不同的評(píng)價(jià)指標(biāo)上都有信息核提取問題建模為一個(gè)有兩個(gè)目標(biāo)的多目標(biāo)優(yōu)化問系統(tǒng)中所有用戶的數(shù)量為 m，需要提取的信息核規(guī)模為 3.2 所示，其中 p 是推薦系統(tǒng)信息核提取規(guī)模，數(shù)值上等 r 的乘積。圖 3.2 多目標(biāo)推薦系統(tǒng)信息核提取問題編碼方式

圖 3.1 推薦系統(tǒng)信息核提取問題多目標(biāo)推薦系統(tǒng)信息核提取問題是一個(gè)復(fù)雜的應(yīng)用系統(tǒng)，一個(gè)好的推薦系統(tǒng)需要在各個(gè)不同的表現(xiàn)[4]。相對(duì)應(yīng)地，對(duì)于推薦系統(tǒng)信息核提取問題來說，一個(gè)用到推薦過程中時(shí)，也應(yīng)該在多種不同的評(píng)價(jià)指標(biāo)上都有較將信息核提取問題建模為一個(gè)有兩個(gè)目標(biāo)的多目標(biāo)優(yōu)化問題薦系統(tǒng)中所有用戶的數(shù)量為 m，需要提取的信息核規(guī)模為 p，圖 3.2 所示，其中 p 是推薦系統(tǒng)信息核提取規(guī)模，數(shù)值上等于率 r 的乘積。

【參考文獻(xiàn)】：
期刊論文
[1]個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)



本文編號(hào)：3374362