本文關(guān)鍵詞：基于協(xié)同過濾的學(xué)術(shù)推薦研究

  更多相關(guān)文章： 用戶興趣模型 協(xié)同過濾 興趣預(yù)測 學(xué)術(shù)推薦

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展，Internet上的信息呈現(xiàn)爆炸式增長，而學(xué)術(shù)數(shù)據(jù)庫中的內(nèi)容更是信息量巨大，用戶在搜索想要的文章時，往往難以快速，準(zhǔn)確的獲取想要的信息。大大加重了用戶對獲取知識的認(rèn)知負(fù)擔(dān)�，F(xiàn)存的搜索引擎越來越難以滿足用戶的需求，個性化服務(wù)應(yīng)運(yùn)而生。雖然現(xiàn)存了很多個性化服務(wù)，但是對于學(xué)術(shù)上的個性化研究還很少。本文主要研究的是基于協(xié)同過濾技術(shù)的學(xué)術(shù)推薦，滿足用戶信息搜索個性化需求。 本文提出了基于協(xié)同過濾技術(shù)來進(jìn)行學(xué)術(shù)推薦的方法。首先對現(xiàn)存的推薦技術(shù)進(jìn)行綜述，，并且分析其優(yōu)缺點(diǎn)。在學(xué)術(shù)推薦中，如何精確的對用戶興趣的預(yù)測是一個關(guān)鍵的問題，所以需要對用戶興趣模型構(gòu)建的各個步驟進(jìn)行詳細(xì)的介紹，分析每一步每一種方法的優(yōu)缺點(diǎn)，進(jìn)而選取本文的構(gòu)建方法。通過本文的方法基于概念和概念間關(guān)系構(gòu)建用戶興趣模型。在此模型的基礎(chǔ)上，本文不僅僅依賴于概念，而是將概念相似度和概念間關(guān)系相似度融合，發(fā)現(xiàn)協(xié)同用戶。 其次對概念權(quán)重進(jìn)行調(diào)整后重新構(gòu)建用戶興趣模型。在調(diào)整權(quán)重的過程中考慮用戶瀏覽內(nèi)容的連續(xù)性特征，這對發(fā)現(xiàn)協(xié)同用戶是很有幫助的。基于新的興趣模型，將大于閾值的概念選為關(guān)鍵概念，同時將所有的候選用戶通過重新計(jì)算概念權(quán)重重新進(jìn)行定義。基于關(guān)鍵概念發(fā)現(xiàn)協(xié)同用戶可以提高協(xié)同用戶的發(fā)現(xiàn)效率。 最后，將所有協(xié)同用戶的瀏覽內(nèi)容基于語義進(jìn)行組織，并根據(jù)權(quán)重從中抽取相關(guān)的概念，計(jì)算的概念的信息質(zhì)量作為評估標(biāo)準(zhǔn)，選取信息質(zhì)量高的概念作為被預(yù)測用戶興趣的語義表示。在本文中，在計(jì)算信息質(zhì)量時是基于概念間的語義關(guān)系的，這樣能保證預(yù)測的精確性。然后通過實(shí)驗(yàn)來證明本文提出的方法的正確性和有效性。
【關(guān)鍵詞】：用戶興趣模型 協(xié)同過濾 興趣預(yù)測 學(xué)術(shù)推薦
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• 摘要6-7
• ABSTRACT7-11
• 第一章 緒論11-21
• 1.1 研究背景11-13
• 1.2 研究的目的和意義13-14
• 1.3 國內(nèi)外研究概況14-19
• 1.3.1 基于協(xié)同過濾的推薦策略14-15
• 1.3.2 基于內(nèi)容的推薦策略15-17
• 1.3.3 基于人口統(tǒng)計(jì)學(xué)的推薦17-18
• 1.3.4 混合的推薦機(jī)制18
• 1.3.5 基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦18-19
• 1.4 論文的主要研究內(nèi)容19-20
• 1.5 本文的組織結(jié)構(gòu)20
• 1.6 本章小結(jié)20-21
• 第二章 用戶興趣模型研究21-32
• 2.1 用戶興趣的獲取21-24
• 2.1.1 興趣獲取方法21-22
• 2.1.2 本文的獲取方法22-24
• 2.2 用戶興趣的表示24-28
• 2.2.1 興趣表示方法24-26
• 2.2.2 概念和概念關(guān)系表示26-28
• 2.3 用戶模型的構(gòu)建28-30
• 2.3.1 模型構(gòu)建方法28-29
• 2.3.2 自動建模方法29-30
• 2.4 用戶興趣的預(yù)測30-31
• 2.4.1 興趣預(yù)測方法30
• 2.4.2 協(xié)同過濾預(yù)測方法30-31
• 2.5 本章小結(jié)31-32
• 第三章 協(xié)同過濾技術(shù)研究32-40
• 3.1 傳統(tǒng)協(xié)同過濾方法32-34
• 3.1.1 基于用戶的協(xié)同過濾32-33
• 3.1.2 基于項(xiàng)目的協(xié)同過濾33-34
• 3.1.3 基于模型的協(xié)同過濾34
• 3.2 基于用戶的協(xié)同過濾34-37
• 3.2.1 基于用戶的協(xié)同過濾推薦的實(shí)現(xiàn)步驟34-36
• 3.2.2 傳統(tǒng)基于用戶協(xié)同過濾利弊分析36-37
• 3.3 協(xié)同過濾技術(shù)實(shí)現(xiàn)37-39
• 3.3.1 數(shù)據(jù)結(jié)構(gòu)37-38
• 3.3.2 計(jì)算相似度38-39
• 3.4 本章小結(jié)39-40
• 第四章 基于協(xié)同過濾的學(xué)術(shù)推薦40-47
• 4.1 學(xué)術(shù)推薦方法40-41
• 4.1.1 構(gòu)建用戶興趣模型40
• 4.1.2 發(fā)現(xiàn)協(xié)同用戶40
• 4.1.3 預(yù)測用戶興趣40-41
• 4.1.4 學(xué)術(shù)推薦41
• 4.2 構(gòu)建用戶興趣模型41-42
• 4.3 發(fā)現(xiàn)協(xié)同用戶42-45
• 4.3.1 用戶興趣模型更新42-44
• 4.3.2 發(fā)現(xiàn)協(xié)同用戶44-45
• 4.4 預(yù)測用戶興趣45-46
• 4.5 本章小結(jié)46-47
• 第五章 實(shí)驗(yàn)47-61
• 5.1 實(shí)驗(yàn)平臺介紹47-49
• 5.1.1 實(shí)驗(yàn)平臺環(huán)境47
• 5.1.2 實(shí)驗(yàn)平臺組成部分47-49
• 5.2 學(xué)術(shù)推薦實(shí)驗(yàn)平臺設(shè)計(jì)49-60
• 5.2.1 實(shí)驗(yàn)數(shù)據(jù)49-50
• 5.2.2 文本預(yù)處理50
• 5.2.3 閾值的確定50-53
• 5.2.4 用戶興趣模型的構(gòu)建53-54
• 5.2.5 協(xié)同用戶發(fā)現(xiàn)結(jié)果分析54-57
• 5.2.6 調(diào)整權(quán)重的必要性驗(yàn)證57
• 5.2.7 預(yù)測用戶興趣57-59
• 5.2.8 學(xué)術(shù)推薦59-60
• 5.3 本章小結(jié)60-61
• 第六章 總結(jié)與展望61-63
• 6.1 總結(jié)61-62
• 6.2 展望62-63
• 參考文獻(xiàn)63-68
• 作者在攻讀碩士學(xué)位期間公開發(fā)表的論文68-69
• 作者在攻讀碩士學(xué)位期間所作的項(xiàng)目69-70
• 致謝70

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 趙亮,胡乃靜,張守志;個性化推薦算法設(shè)計(jì)[J];計(jì)算機(jī)研究與發(fā)展;2002年08期

2 曾春,邢春曉,周立柱;基于內(nèi)容過濾的個性化搜索算法[J];軟件學(xué)報;2003年05期

3 李鳳慧;基于用戶瀏覽行為挖掘的電子商務(wù)個性化推薦系統(tǒng)[J];濰坊學(xué)院學(xué)報;2004年02期

4 耿冬;葉飛躍;林國俊;鄭國良;;基于語義的垂直搜索引擎搜索策略研究[J];微計(jì)算機(jī)信息;2009年33期

5 郭新明;弋改珍;;混合模型的用戶興趣漂移算法[J];智能系統(tǒng)學(xué)報;2010年02期

本文編號：1076318