隨著網(wǎng)絡(luò)碎片化時代的出現(xiàn),信息推送服務(wù)成為計算機領(lǐng)域的熱門研究,用戶如何能閱讀到真正滿足其需求的信息是迫待解決的關(guān)鍵問題。針對傳統(tǒng)的協(xié)同過濾推送算法存在的用戶興趣矩陣稀疏和新商品的冷啟動問題,本文提出了基于混合推送模式的信息推送算法。算法的中心思想是采取BP神經(jīng)網(wǎng)絡(luò)將兩種協(xié)同過濾推送算法融合,使其優(yōu)勢互補,推送結(jié)果更加精準。并且在推送過程中引入本體,通過本體的概念層次結(jié)構(gòu)關(guān)系和概念之間的關(guān)系與用戶興趣詞產(chǎn)生關(guān)聯(lián),進而對用戶的興趣詞進行詞義擴展,使推薦內(nèi)容更為豐富。本文提出的混合推送算法分為三個重要部分:首先是用戶興趣模型的構(gòu)建,用戶興趣模型是對用戶愛好的準確描述,是服務(wù)推送過程中的重要環(huán)節(jié)。在構(gòu)建用戶興趣模型時考慮到用戶的興趣不是一成不變的,所以在基于向量空間的模型表示中加入了依據(jù)時間變化的興趣狀態(tài)參數(shù),確保構(gòu)建的興趣模型準確反映出用戶當(dāng)下的興趣愛好。第二步是協(xié)同過濾推送算法與本體的結(jié)合,在傳統(tǒng)的協(xié)同過濾推送過程中引入本體對用戶的興趣詞進行詞義擴展,豐富了個性化推送的內(nèi)容。最后是BP神經(jīng)網(wǎng)絡(luò)的融合,將兩種協(xié)同過濾推送算法得出的結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的輸入,經(jīng)過神經(jīng)網(wǎng)絡(luò)預(yù)測后得到最終的推送... 

【文章來源】：沈陽理工大學(xué)遼寧省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

web日志挖掘流程圖

用戶項目評價矩陣Fig.2.2Userprojectevaluationmatrix

部分書籍領(lǐng)域本體圖

【參考文獻】：
期刊論文
[1]基于大數(shù)據(jù)和本體的高校圖書館個性化服務(wù)研究[J]. 李學(xué)慶,鄭美玉,吳建洪,黃常青,薛華.  農(nóng)業(yè)圖書情報. 2019(09)
[2]BP人工神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用[J]. 褚文華.  哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[3]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在地面溫度多模式集成預(yù)報的應(yīng)用研究[J]. 雷彥森,蔡曉軍,王文,李江峰,李倩文.  氣象科學(xué). 2018(06)
[4]基于BP神經(jīng)網(wǎng)絡(luò)企業(yè)利潤預(yù)測探究[J]. 朱敏.  時代金融. 2018(36)
[5]基于多層次本體的航空制造業(yè)領(lǐng)域知識表達模型的構(gòu)建[J]. 劉航,杜江,白瑀.  現(xiàn)代機械. 2018(06)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的地鐵車廂擁擠度預(yù)測方法[J]. 方晨晨,周繼彪,董升,王依婷,陳莎雯.  交通信息與安全. 2018(06)
[7]基于蜂群算法改進的BP神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測[J]. 何廷一,田鑫萃,李勝男,吳水軍,陳勇,束洪春,馬聰.  電力科學(xué)與技術(shù)學(xué)報. 2018(04)
[8]基于自適應(yīng)學(xué)習(xí)的知識本體推薦系統(tǒng)的研究與實現(xiàn)[J]. 潘家瑤.  信息技術(shù)與信息化. 2018(12)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的交通信息量預(yù)測方法[J]. 戶佐安,鄒正豐,包天雯.  交通運輸工程與信息學(xué)報. 2018(04)
[10]WEB挖掘數(shù)據(jù)預(yù)處理方法分析與實現(xiàn)[J]. 陳建鋒.  安徽職業(yè)技術(shù)學(xué)院學(xué)報. 2018(04)

博士論文
[1]渭河流域人水和諧評價指標(biāo)體系與方法研究[D]. 康艷.西北農(nóng)林科技大學(xué) 2013

碩士論文
[1]基于自適應(yīng)BP和DDAE-SVR神經(jīng)網(wǎng)絡(luò)模型的高校教學(xué)質(zhì)量評價研究[D]. 張俊濤.河南大學(xué) 2018
[2]基于LBS的交通信息主動推送模型與試驗驗證[D]. 張倩.北京交通大學(xué) 2017
[3]一種基于信任傳播和奇異值分解的個性化推薦方法的研究[D]. 齊靜.昆明理工大學(xué) 2017
[4]基于BP神經(jīng)網(wǎng)絡(luò)與井約束的縱橫波波阻抗反演方法研究[D]. 趙傳偉.山東科技大學(xué) 2017
[5]面向智能家居的物聯(lián)網(wǎng)隱私保護方法研究與實現(xiàn)[D]. 肖起.北京工業(yè)大學(xué) 2017
[6]協(xié)同過濾算法相似度的研究及并行化的實現(xiàn)[D]. 邢文濤.天津大學(xué) 2017
[7]基于LDA主題模型和標(biāo)簽聚類的黨建信息推送策略研究[D]. 楊帆.云南大學(xué) 2016
[8]馬爾可夫跳躍神經(jīng)網(wǎng)絡(luò)與基于憶阻器Chua的電路的穩(wěn)定性[D]. 楊闊.燕山大學(xué) 2016
[9]基于用戶地理信息的混合推薦算法的研究[D]. 馬成.天津大學(xué) 2016
[10]基于神經(jīng)網(wǎng)絡(luò)的農(nóng)商行農(nóng)戶信用評級系統(tǒng)的設(shè)計與實現(xiàn)[D]. 伍偉.湖南大學(xué) 2015



本文編號：3078993