本文關(guān)鍵詞：基于信任關(guān)系推導(dǎo)和用戶反饋的推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,誕生了很多基于用戶關(guān)系的社會(huì)化媒體�？焖俦l(fā)的互聯(lián)網(wǎng)信息和日益加快的生活節(jié)奏使得快速地過濾冗余信息,捕獲用戶的興趣成為了很多社會(huì)化媒體的一項(xiàng)核心訴求。推薦系統(tǒng)能夠有效的利用諸如用戶反饋,用戶關(guān)系,物品內(nèi)容等多種信息分析用戶的偏好,并根據(jù)用戶喜好過濾信息,從而幫助用戶快速獲取有效的信息。基本的只基于用戶反饋的推薦系統(tǒng),無論是多類別推薦還是單類別推薦都受反饋過于稀疏的影響而導(dǎo)致效果不佳。很多研究者通過引入信任關(guān)系來提高推薦效果,這類基于信任的推薦方法雖然取得了一定的效果,但是仍然存在著諸如如何解決用戶關(guān)系過于稀疏,如何高效地利用信任關(guān)系分別處理多類別推薦和單類別推薦等問題。針對(duì)這些問題,本文提出一種首先基于已有的信任關(guān)系推導(dǎo)填充原有的信任關(guān)系,之后利用新的更完整的信任關(guān)系進(jìn)行推薦的方法。本文的主要工作如下：1.提出了一個(gè)基于信任關(guān)系推導(dǎo)和用戶反饋的推薦系統(tǒng)框架。該框架能夠?qū)⑿湃侮P(guān)系推導(dǎo)和用戶反饋推理這兩項(xiàng)技術(shù)有機(jī)結(jié)合,并有效的解決了用戶關(guān)系稀疏性,用戶反饋稀疏性所帶來的種種問題,能夠區(qū)別處理多類別反饋和單類別反饋推薦。2.提出了一種將非負(fù)約束和相似性與已有方法結(jié)合的信任推導(dǎo)方法。該技術(shù)利用非負(fù)約束和相似性擴(kuò)展了已有的多維信任推測模型,并最終以回歸分析將多種模型組合為一個(gè)整體。3.提出了一種基于矩陣分解和社交正則化的基于信任的多類別推薦模型。該模型能夠首先基于已知的信任關(guān)系推測幾種未知的信任關(guān)系,并將已知和推測的信任通過遺傳算法進(jìn)行合并,利用PMF算法框架輔以同質(zhì)效應(yīng)整合起來生成模型。4.提出了一種基于矩陣分解和社交正則化的基于信任的單類別推薦模型。該模型能夠基于已知的信任關(guān)系推測幾種未知的信任關(guān)系,并將已知和推測的信任利用NMF算法框架整合起來以便更好地推薦。
【關(guān)鍵詞】：社會(huì)化媒體 信任推導(dǎo) 推薦系統(tǒng)
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3
【目錄】：

• 摘要4-6
• Abstract6-13
• 第一章 緒論13-17
• 1.1 研究背景13-14
• 1.2 論文結(jié)構(gòu)14-17
• 第二章 相關(guān)工作17-23
• 2.1 信任關(guān)系推理17-18
• 2.1.1 基于傳播特性的信任推薦17-18
• 2.1.2 基于多維特性的信任推薦18
• 2.1.3 基于相似特性的信任推薦18
• 2.2 基本的推薦系統(tǒng)18-20
• 2.2.1 多類別推薦系統(tǒng)19
• 2.2.2 單類別推薦系統(tǒng)19-20
• 2.3 基于信任關(guān)系的推薦系統(tǒng)20-21
• 2.4 矩陣分解算法21-22
• 2.5 本章小結(jié)22-23
• 第三章 基于信任關(guān)系推導(dǎo)和用戶反饋的推薦系統(tǒng)框架23-27
• 3.1 框架原理23-24
• 3.2 推薦框架24-26
• 3.2.1 信任關(guān)系推導(dǎo)模塊25
• 3.2.2 多類別推薦模塊25-26
• 3.2.3 單類別推薦模塊26
• 3.3 本章小結(jié)26-27
• 第四章 基于相似性和非負(fù)約束的信任推導(dǎo)模型27-39
• 4.1 用戶信任推理模型28-34
• 4.1.1 符號(hào)及定義28-29
• 4.1.2 加入非負(fù)約束29-31
• 4.1.3 利用相似性計(jì)算擴(kuò)展鄰居模型31-32
• 4.1.4 利用Logistic方法整合32-34
• 4.2 實(shí)驗(yàn)評(píng)估與分析34-37
• 4.2.1 數(shù)據(jù)集描述34
• 4.2.2 評(píng)估方法34
• 4.2.3 實(shí)驗(yàn)結(jié)果34-37
• 4.3 本章小結(jié)37-39
• 第五章 基于用戶信任關(guān)系推導(dǎo)的多類別推薦模型39-51
• 5.1 多類別反饋推理模型40-43
• 5.1.1 符號(hào)及定義40-41
• 5.1.2 模型公式41-43
• 5.2 模型求解算法43-46
• 5.2.1 學(xué)習(xí)權(quán)重W43-45
• 5.2.2 矩陣U和V的更新45-46
• 5.3 實(shí)驗(yàn)評(píng)估與分析46-50
• 5.3.1 實(shí)驗(yàn)設(shè)置46-48
• 5.3.2 實(shí)驗(yàn)結(jié)果48-50
• 5.4 本章小結(jié)50-51
• 第六章 基于用戶信任關(guān)系推導(dǎo)的單類別推薦模型51-67
• 6.1 單類別反饋推理模型52-54
• 6.1.1 符號(hào)及定義52-53
• 6.1.2 模型公式53-54
• 6.2 模型求解算法54-61
• 6.2.1 模型算法54-57
• 6.2.2 算法分析57-61
• 6.3 實(shí)驗(yàn)評(píng)估與分析61-66
• 6.3.1 實(shí)驗(yàn)設(shè)置61-64
• 6.3.2 實(shí)驗(yàn)結(jié)果64-66
• 6.4 本章小結(jié)66-67
• 第七章 總結(jié)與展望67-69
• 7.1 工作總結(jié)67-68
• 7.2 研究展望68-69
• 參考文獻(xiàn)69-74
• 簡歷與科研成果74-75
• 致謝75-76

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計(jì)算機(jī)與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學(xué)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導(dǎo)刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡(luò)推薦系統(tǒng)[J];電子商務(wù);2007年10期

6 李媚;;個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟(jì)學(xué)模型的推薦系統(tǒng)的研究[J];計(jì)算機(jī)應(yīng)用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進(jìn)展及展望[J];信息系統(tǒng)學(xué)報(bào);2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強(qiáng)學(xué)習(xí)的旅行計(jì)劃推薦系統(tǒng)[J];計(jì)算機(jī)工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識(shí)瀏覽領(lǐng)域的應(yīng)用[J];硅谷;2011年21期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點(diǎn)擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時(shí)間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學(xué)年會(huì)論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進(jìn)的個(gè)性化信息推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2005年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計(jì)算語言學(xué)研討會(huì)論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚(yáng)勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺(tái)推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計(jì)[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

中國重要報(bào)紙全文數(shù)據(jù)庫 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報(bào);2014年

2 本報(bào)記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計(jì)算機(jī)世界;2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周魏;推薦系統(tǒng)中基于目標(biāo)項(xiàng)目分析的托攻擊檢測研究[D];重慶大學(xué);2015年

2 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國科學(xué)技術(shù)大學(xué);2007年

3 楊東輝;基于情感相似度的社會(huì)化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

4 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

5 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

6 劉龍;一個(gè)能實(shí)現(xiàn)個(gè)性化實(shí)時(shí)路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國科學(xué)技術(shù)大學(xué);2014年

7 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

8 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問題研究及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2014年

9 李方方;非獨(dú)立同分布推薦系統(tǒng)研究[D];北京理工大學(xué);2014年

10 李曉建;基于語義的個(gè)性化資源推薦系統(tǒng)中關(guān)鍵技術(shù)研究[D];武漢大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 朱孔真;基于云計(jì)算的電子商務(wù)智能推薦系統(tǒng)研究[D];武漢理工大學(xué);2014年

2 郭敬澤;基于賦權(quán)評(píng)分和Dpark的分布式推薦系統(tǒng)研究與實(shí)現(xiàn)[D];天津理工大學(xué);2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設(shè)計(jì)[D];江南大學(xué);2015年

4 李煒;基于電子商務(wù)平臺(tái)的保險(xiǎn)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學(xué);2015年

6 秦大路;基于因式分解機(jī)模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學(xué);2015年

7 徐霞婷;動(dòng)態(tài)路網(wǎng)監(jiān)控與導(dǎo)航推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];蘇州大學(xué);2015年

8 黃學(xué)峰;基于Hadoop的電影推薦系統(tǒng)研究與實(shí)現(xiàn)[D];南京師范大學(xué);2015年

9 路小瑞;基于Hadoop平臺(tái)的職位推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

10 李愛寶;基于組合消費(fèi)行為分析的團(tuán)購?fù)扑]系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：基于信任關(guān)系推導(dǎo)和用戶反饋的推薦系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：389127