發(fā)布時間：2018-08-04 16:24

【摘要】：近年來，隨著互聯(lián)網迅速發(fā)展及智能手機、相機等個人電子設備的迅速普及，大量信息被上載到互聯(lián)網。互聯(lián)網信息的快速增長，產生了信息疲勞的問題。人們每天面對海量數(shù)據(jù)，卻難以從這些數(shù)據(jù)中快速獲取自身需要的信息，而往往被各類垃圾信息所包圍。人們迫切需要一種方式能夠主動地、便利地、準確地獲取并處理信息。 推薦系統(tǒng)正是解決這一問題的最新嘗試之一，并成為近幾年的研究的熱點。這種系統(tǒng)通過主動或是被動地獲取用戶的各類信息，如對項目的評分，，或是訪問的網頁、搜索的關鍵詞、點擊的鏈接等數(shù)據(jù)，主動推斷用戶的偏好，并向用戶提供用戶需要的信息。然而，現(xiàn)有推薦系統(tǒng)在精確度、功能、適用范圍等方面仍然不能完全滿足用戶的需求，新的推薦系統(tǒng)及推薦算法仍在不斷涌現(xiàn)。 基于上述背景，本文對推薦系統(tǒng)的研究現(xiàn)狀及發(fā)展進行了研究，重點關注推薦系統(tǒng)的評價以及基于社交網絡的推薦系統(tǒng)兩個方面，并提出了一些改進算法，取得了一定成果。 本文主要包括以下內容：一是研究了推薦系統(tǒng)的評價方法，分析了現(xiàn)有方法中存在的誤差及其對系統(tǒng)性能的影響。提出了一種基于分離因素法的推薦精度評價算法，并對算法進行了分析�；贙DD Cup2012Track2數(shù)據(jù)對相關算法進行了仿真實驗，得到了搜索引擎中顯示在不同位置廣告，對用戶相對吸引力數(shù)值。二是研究了在社交網絡中推薦系統(tǒng)的作用及實現(xiàn)方法，并提出一種信任傳遞及聚合機制，用于度量社交網絡中原本不是好友的兩人之間的相關程度。同時，給出一種算法快速計算一個用戶與其它用戶之間的相關程度，進而快速給出推薦結果�；贙DD Cup2012Track1數(shù)據(jù)對算法進行了仿真實驗，并給出了分析結果。
[Abstract]:In recent years, with the rapid development of the Internet and the rapid popularity of personal electronic devices such as smartphones and cameras, a large number of information has been uploaded to the Internet. The rapid growth of Internet information has caused the problem of information fatigue. People face huge amounts of data every day, but it is difficult to get the information they need quickly from these data, and they are often surrounded by all kinds of junk information. There is an urgent need for a way to access and process information actively, conveniently and accurately. Recommendation system is one of the latest attempts to solve this problem, and has become a hot research topic in recent years. This system actively infer user preferences by actively or passively obtaining user information, such as scoring items, visiting web pages, searching keywords, clicking links, and so on. And provide users with the information they need. However, the existing recommendation systems still can not meet the needs of users in the aspects of accuracy, function and application scope, and new recommendation systems and recommendation algorithms are still emerging. Based on the above background, this paper studies the status quo and development of recommendation system, focusing on the evaluation of recommendation system and the recommendation system based on social network, and puts forward some improved algorithms, which have achieved some results. The main contents of this paper are as follows: firstly, the evaluation methods of recommendation system are studied, and the errors in the existing methods and their effects on the system performance are analyzed. A recommendation accuracy evaluation algorithm based on separation factor method is proposed, and the algorithm is analyzed. Based on the KDD Cup2012Track2 data, the relevant algorithms are simulated, and the relative attractiveness value of the ads displayed in different locations in the search engine is obtained. Secondly, the function and implementation of recommendation system in social network are studied, and a mechanism of trust transfer and aggregation is proposed to measure the correlation between two people who are not friends in social network. At the same time, an algorithm is presented to calculate the correlation between one user and other users, and then the recommendation results are given quickly. The algorithm is simulated based on KDD Cup2012Track1 data, and the analysis results are given.
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP391.3

【共引文獻】

相關期刊論文 前7條

1 汪秉宏;周濤;周昌松;;人類行為、復雜網絡及信息挖掘的統(tǒng)計物理研究[J];上海理工大學學報;2012年02期

2 王國霞;劉賀平;;個性化推薦系統(tǒng)綜述[J];計算機工程與應用;2012年07期

3 李磊;王丁丁;朱順痣;李濤;;Personalized News Recommendation:A Review and an Experimental Investigation[J];Journal of Computer Science & Technology;2011年05期

4 吳逸明;;融合的協(xié)同過濾推薦算法[J];計算機與現(xiàn)代化;2011年06期

5 艾斯特;;基于SOA的混合個性化推薦平臺研究[J];情報理論與實踐;2012年05期

6 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網推薦系統(tǒng)比較研究[J];軟件學報;2009年02期

7 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進展[J];自然科學進展;2009年01期

相關博士學位論文 前10條

1 張寅;個性化技術及其在數(shù)字圖書館中應用的研究[D];浙江大學;2009年

2 蒲海濤;物聯(lián)網環(huán)境下基于上下文感知的智能交互關鍵技術研究[D];山東科技大學;2011年

3 方育柯;集成學習理論研究及其在個性化推薦中的應用[D];電子科技大學;2011年

4 李曉;自適應人機交互界面研究[D];西南師范大學;2004年

5 張程;面向服務環(huán)境中服務的個性化推薦[D];中國科學院研究生院（計算技術研究所）;2006年

6 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術大學;2007年

7 張磊;基于本體的主動式知識系統(tǒng)及其若干關鍵技術研究[D];南京航空航天大學;2006年

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

9 鎮(zhèn)璐;基于知識網格的知識供應理論與技術[D];上海交通大學;2008年

10 張磊;個性化推薦和搜索中若干關鍵問題的研究[D];北京郵電大學;2009年

相關碩士學位論文 前10條

1 李春;協(xié)同過濾推薦算法的研究[D];湘潭大學;2010年

2 韓璐;針對推薦系統(tǒng)中信息共享需求下隱私保護機制的研究與實現(xiàn)[D];華東師范大學;2011年

3 鮑光余;基于潛在語義分析的農戶個性化推薦系統(tǒng)[D];海南大學;2011年

4 路華;小眾推薦技術研究與應用[D];電子科技大學;2011年

5 韓增義;科技論文推薦系統(tǒng)研究與實現(xiàn)[D];電子科技大學;2011年

6 焦晨斌;協(xié)同過濾算法在電子商務推薦系統(tǒng)的研究[D];鄭州大學;2011年

7 寇艷艷;電子商務推薦系統(tǒng)中用戶聚類問題與用戶興趣變化問題研究[D];中國科學技術大學;2011年

8 王金輝;基于標簽的協(xié)同過濾稀疏性問題研究[D];中國科學技術大學;2011年

9 杜定宇;基于特征向量的個性化推薦算法研究[D];重慶大學;2011年

10 唐小宇;基于論文關鍵詞聚類的用戶興趣模型細化方法研究[D];山東科技大學;2011年

本文編號：2164441