目前的個性化推薦系統(tǒng)主要是針對用戶的歷史行為來評價用戶或項目之間的相似性,為用戶推薦相應(yīng)的項目。該類方法雖然精確性很高,但是缺少探索性,不能在人們認知過程中為用戶提供探索性的推薦,還面臨著冷啟動及推薦解釋模糊等問題。因此,本文結(jié)合關(guān)聯(lián)規(guī)則和形式概念分析,提出了一種基于模糊對象語言概念格的個性化推薦方法。主要研究成果如下:1、形式概念分析已被廣泛作為數(shù)據(jù)處理和知識發(fā)現(xiàn)的重要工具。針對經(jīng)典的形式背景無法處理語言值的問題,提出語言概念形式背景,構(gòu)建語言概念格。為了進行知識約簡,在粒計算的基礎(chǔ)上定義語言概念間的多粒度相似性關(guān)系,將語言概念集分為三個部分(即核心語言概念,不必要語言概念和相對必要語言概念)。以差別矩陣為基礎(chǔ),體現(xiàn)出模糊對象間的差異,并提出不完備語言概念形式背景的語言概念約簡算法,用于解決推薦系統(tǒng)數(shù)據(jù)稀疏的問題。2、針對語言概念形式背景中信息缺失的問題,提出了一種基于模糊對象之間的貼近度來補全不完備語言概念形式背景的新算法�；诓紶柧仃嚭筒紶栆蜃臃治龅姆椒�,提出語言概念形式背景的語言概念知識約簡算法,通過計算強制性語言概念知識的相似度,以達到提取語言概念知識基,減小語言概念格規(guī)模的...

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 形式概念分析方面的研究
        1.2.2 基于概念格屬性約簡方面的研究
        1.2.3 認知系統(tǒng)方面的研究
        1.2.4 基于概念格的關(guān)聯(lián)規(guī)則挖掘方面的研究
    1.3 本文研究內(nèi)容
    1.4 文章結(jié)構(gòu)
2 預(yù)備知識
    2.1 語言術(shù)語集
    2.2 形式概念分析
3 語言概念形式背景下的知識約簡方法
    3.1 語言概念形式背景
    3.2 不完備語言概念形式背景的多粒度語言概念約簡方法
        3.2.1 不完備語言概念形式背景
        3.2.2 多粒度語言概念約簡理論
        3.2.3 多粒度語言概念約簡算法
        3.2.4 數(shù)值分析
        3.2.5 MGLCR算法的優(yōu)勢
    3.3 不完備語言概念形式背景的補全算法
    3.4 語言概念格的語言概念知識約簡
        3.4.1 語言概念知識約簡理論
        3.4.2 語言概念知識約簡算法
        3.4.3 LCKR算法分析
        3.4.4 數(shù)值分析
        3.4.5 LCKR算法的優(yōu)勢
    3.5 本章小結(jié)
4 基于模糊對象語言概念格的個性化推薦方法
    4.1 模糊對象語言概念格
    4.2 基于模糊對象語言形式背景的協(xié)同過濾算法
        4.2.1 算法理論
        4.2.2 LFCLCF算法分析
    4.3 基于模糊對象語言概念格的認知系統(tǒng)
    4.4 個性化推薦方法
    4.5 本章小結(jié)
5 仿真實驗與分析
    5.1 個性化推薦方法設(shè)計
        5.1.1 方法框架
        5.1.2 個性化推薦算法設(shè)計
        5.1.3 LFCLAR算法分析
    5.2 仿真實驗
        5.2.1 系統(tǒng)開發(fā)環(huán)境
        5.2.2 推薦方法的實施
        5.2.3 數(shù)值分析
        5.2.4 LFCLAR算法的優(yōu)勢
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻
附錄 A 帶有語言值信息的電影評價調(diào)查
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號：3772085