發(fā)布時(shí)間：2024-01-27 03:26

　　近年來隨著信息技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)中的數(shù)據(jù)資源也在呈指數(shù)倍增長。推薦系統(tǒng)可以通過分析海量信息中用戶的歷史行為,幫助用戶快速、準(zhǔn)確地發(fā)現(xiàn)需要的內(nèi)容。協(xié)同過濾是目前最有效的推薦算法,通過分析相似用戶的偏好來為目標(biāo)用戶進(jìn)行推薦,但是此方法的推薦性能仍受到冷啟動(dòng)和數(shù)據(jù)稀疏等問題的限制。越來越多的研究者在推薦系統(tǒng)中加入用戶和項(xiàng)目的多種信息以提出針對(duì)性的解決方案。本文分別研究了項(xiàng)目類型信息和知識(shí)圖譜中的語義關(guān)系,提出兩種推薦算法,以提高推薦準(zhǔn)確性。針對(duì)傳統(tǒng)的類型驅(qū)動(dòng)方法只考慮類型間的關(guān)聯(lián)或是將其組織成扁平或?qū)哟谓Y(jié)構(gòu),而忽略項(xiàng)目和類型復(fù)雜關(guān)系的問題,提出基于類型組合空間的隨機(jī)游走推薦算法。首先,建立一個(gè)用哈斯圖表示的項(xiàng)目類型組合空間,將項(xiàng)目和類型復(fù)雜的一對(duì)多關(guān)系映射成一對(duì)一的簡單關(guān)系;接著,定義了類型組合間的語義關(guān)系及語義距離,更好地對(duì)用戶動(dòng)態(tài)偏好的變化進(jìn)行定性、定量描述;然后,結(jié)合類型組合空間上用戶瀏覽過程中的偏好變化、用戶跳轉(zhuǎn)行為、跳轉(zhuǎn)次數(shù)、時(shí)序、評(píng)分等各種信息,利用隨機(jī)游走建立用戶個(gè)性化類型偏好模型;最后,根據(jù)用戶個(gè)性化偏好完成基于用戶的協(xié)同過濾項(xiàng)目推薦。真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)表明,所提算法在排...

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

圖1-1推薦系統(tǒng)在生活中的應(yīng)用協(xié)同過濾是目前最成功的推薦算法，它認(rèn)為具有相似偏好的用戶應(yīng)該喜歡相似的項(xiàng)

圖1-2知識(shí)圖譜示例

圖2-1網(wǎng)頁鏈接互聯(lián)網(wǎng)中的相互鏈接的網(wǎng)頁可以看作一個(gè)圖結(jié)構(gòu)，每個(gè)網(wǎng)頁為圖中節(jié)點(diǎn)，網(wǎng)頁間的

圖2-2實(shí)體關(guān)系空間

本文編號(hào)：3886213