隨著在線網(wǎng)絡(luò)的迅速發(fā)展和廣泛應(yīng)用,人們?cè)谙硎芸萍紟硇律畹耐瑫r(shí)也面臨“信息過載”的困擾。推薦系統(tǒng)被認(rèn)為是解決信息過載最有效的方式之一,受到了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。社交是人類作為社會(huì)性群體的基本屬性,也是現(xiàn)代互聯(lián)網(wǎng)應(yīng)用發(fā)展的必備要素。得益于在線社交功能的不斷完善和社交信息的大量補(bǔ)給,融合社交信息提升個(gè)性化推薦的效果已成為近年來推薦領(lǐng)域的研究熱點(diǎn)。雖然目前的研究工作已經(jīng)在該領(lǐng)域取得了一定的研究成果,然而在推薦的準(zhǔn)確性、多樣性等方面仍存在不足。因此,針對(duì)特定網(wǎng)絡(luò)的特點(diǎn)和現(xiàn)有研究工作的不足,本文從三個(gè)方面對(duì)融合社交信息的個(gè)性化推薦展開深入研究,并取得以下主要成果:一、針對(duì)單向社交網(wǎng)絡(luò)中用戶推薦的準(zhǔn)確性問題,本文研究了融合關(guān)注關(guān)系進(jìn)行個(gè)性化推薦,提出了一個(gè)新的用戶推薦框架UIS-MF。單向社交網(wǎng)絡(luò)中,僅使用關(guān)注關(guān)系為目標(biāo)用戶過濾不相關(guān)用戶是一項(xiàng)艱巨且關(guān)鍵的任務(wù)。相關(guān)工作直接使用關(guān)注關(guān)系完成推薦而不區(qū)分關(guān)注關(guān)系建立背后的興趣動(dòng)因和社交動(dòng)因,導(dǎo)致了用戶偏好預(yù)測不夠全面進(jìn)而影響了推薦準(zhǔn)確性。有鑒于此,本文設(shè)計(jì)了一個(gè)兩階段用戶推薦框架UIS-MF。在第一階段,一個(gè)基于用戶關(guān)注關(guān)系的概率主題模型UI... 

【文章頁數(shù)】：156 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 融合社交信息的個(gè)性化推薦概述
        1.2.1 基本框架
        1.2.2 推薦任務(wù)分類
        1.2.3 協(xié)同過濾推薦方法
        1.2.4 推薦系統(tǒng)面臨的挑戰(zhàn)
    1.3 國內(nèi)外相關(guān)問題的研究現(xiàn)狀
        1.3.1 單向社交網(wǎng)絡(luò)用戶推薦研究現(xiàn)狀
        1.3.2 信任網(wǎng)絡(luò)物品推薦研究現(xiàn)狀
        1.3.3 基于社交關(guān)系和好奇心的物品推薦研究現(xiàn)狀
    1.4 論文的主要研究內(nèi)容
    1.5 論文的創(chuàng)新點(diǎn)
    1.6 論文的組織結(jié)構(gòu)和各章安排
第二章 單向社交網(wǎng)絡(luò)中基于關(guān)注關(guān)系的用戶推薦
    2.1 引言
    2.2 相關(guān)工作
        2.2.1 基于矩陣分解的社交推薦方法
        2.2.2 主題模型和生成的波利亞罐子模型(GPU)
        2.2.3 基于社區(qū)的推薦方法
        2.2.4 與現(xiàn)有工作的比較
    2.3 研究動(dòng)機(jī)和基本假設(shè)
    2.4 問題定義
    2.5 基于關(guān)注關(guān)系的用戶推薦框架(UIS-MF)
        2.5.1 主題提取
        2.5.2 用戶推薦
    2.6 實(shí)驗(yàn)評(píng)價(jià)方法
        2.6.1 實(shí)驗(yàn)數(shù)據(jù)集
        2.6.2 評(píng)估指標(biāo)
        2.6.3 對(duì)比方法
    2.7 實(shí)驗(yàn)與結(jié)果分析
        2.7.1 參數(shù)設(shè)置
        2.7.2 敏感參數(shù)調(diào)優(yōu)
        2.7.3 推薦結(jié)果比較
        2.7.4 模型內(nèi)部比較
        2.7.5 運(yùn)行時(shí)間比較
        2.7.6 數(shù)據(jù)稀疏性分析
    2.8 本章小節(jié)
第三章 信任網(wǎng)絡(luò)中基于雙重角色影響的物品推薦
    3.1 引言
    3.2 相關(guān)工作
        3.2.1 基于信任關(guān)系的物品排序推薦方法
        3.2.2 融入不信任關(guān)系的推薦方法
    3.3 研究動(dòng)機(jī)
        3.3.1 數(shù)據(jù)集描述
        3.3.2 觀察發(fā)現(xiàn)
    3.4 問題定義
    3.5 融入雙重角色影響的貝葉斯個(gè)性化排序方法(BPRDR)
        3.5.1 模型建立
        3.5.2 模型參數(shù)學(xué)習(xí)和物品推薦
        3.5.3 與現(xiàn)有貝葉斯個(gè)性化排序方法的關(guān)系
        3.5.4 結(jié)合信任和不信任關(guān)系的貝葉斯個(gè)性化排序方法(BPRTaD)
    3.6 融入雙重角色影響的分解的相似度方法(FSDR)
        3.6.1 模型建立
        3.6.2 模型參數(shù)學(xué)習(xí)和物品推薦
        3.6.3 與現(xiàn)有分解的相似度方法的關(guān)系
    3.7 實(shí)驗(yàn)評(píng)價(jià)方法
        3.7.1 實(shí)驗(yàn)數(shù)據(jù)集和評(píng)估指標(biāo)
        3.7.2 對(duì)比方法
    3.8 實(shí)驗(yàn)與結(jié)果分析
        3.8.1 參數(shù)設(shè)置
        3.8.2 敏感參數(shù)調(diào)優(yōu)
        3.8.3 推薦結(jié)果比較
    3.9 融入不信任關(guān)系的擴(kuò)展實(shí)驗(yàn)
        3.9.1 擴(kuò)展實(shí)驗(yàn)評(píng)價(jià)方法
        3.9.2 擴(kuò)展實(shí)驗(yàn)結(jié)果及討論
    3.10 本章小節(jié)
第四章 基于用戶好奇心機(jī)制的物品推薦
    4.1 引言
    4.2 相關(guān)工作
        4.2.1 以提升多樣性為目標(biāo)的推薦方法
        4.2.2 好奇心驅(qū)動(dòng)的推薦方法
    4.3 預(yù)備知識(shí)
        4.3.1 好奇心驅(qū)動(dòng)理論
        4.3.2 社會(huì)沖突理論
        4.3.3 中間喚醒潛能理論
    4.4 問題定義
    4.5 刺激誘發(fā)的好奇心機(jī)制(SeCM)
        4.5.1 度量總體刺激強(qiáng)度
        4.5.2 基于Wundt曲線建模刺激誘發(fā)的好奇心
        4.5.3 模型參數(shù)學(xué)習(xí)
    4.6 好奇心驅(qū)動(dòng)的推薦框架(CdRF)
        4.6.1 針對(duì)推薦準(zhǔn)確性的模型(AoM)
        4.6.2 排序優(yōu)化和物品推薦
    4.7 實(shí)驗(yàn)評(píng)價(jià)方法
        4.7.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.7.2 評(píng)估指標(biāo)
        4.7.3 對(duì)比方法
    4.8 實(shí)驗(yàn)與結(jié)果分析
        4.8.1 參數(shù)設(shè)置
        4.8.2 SeCM特例的比較
        4.8.3 β值對(duì)CdRF的影響以及Wundt曲線的作用
        4.8.4 一個(gè)例子
        4.8.5 SeCM與現(xiàn)有推薦方法的比較
        4.8.6 CdRF與現(xiàn)有好奇心驅(qū)動(dòng)推薦方法的比較
    4.9 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]微博用戶推薦模型的研究[J]. 徐雅斌,石偉杰.  電子科技大學(xué)學(xué)報(bào). 2015(02)
[2]LDA模型在微博用戶推薦中的應(yīng)用[J]. 邸亮,杜永萍.  計(jì)算機(jī)工程. 2014(05)
[3]個(gè)性化推薦系統(tǒng)的多樣性研究進(jìn)展[J]. 安維,劉啟華,張李義.  圖書情報(bào)工作. 2013(20)
[4]Community-Based User Domain Model Collaborative Recommendation Algorithm[J]. Fulan Qian,Yanping Zhang,Yuan Zhang,Zhen Duan.  Tsinghua Science and Technology. 2013(04)

博士論文
[1]基于社交網(wǎng)絡(luò)個(gè)體行為特征的信息推薦算法研究[D]. 陳玲姣.電子科技大學(xué) 2018



本文編號(hào)：3709118