【摘要】：千禧之年,革放鼎新,信息技術(shù)浪潮席卷全世界。從PC機(jī)到筆記本,從固定電話到智能手機(jī),從閉路電視到虛擬現(xiàn)實(shí)頭盔,人們無(wú)時(shí)無(wú)刻不被數(shù)據(jù)浸潤(rùn)著,物理自然與人類社會(huì)已經(jīng)悄然融入數(shù)字自然界之中。然而,人類認(rèn)知水平和認(rèn)知能力的提高卻極為有限,遠(yuǎn)不及技術(shù)發(fā)展和數(shù)據(jù)膨脹的速度,不斷增長(zhǎng)的數(shù)據(jù)與有限的認(rèn)知能力之間形成尖銳矛盾,信息過(guò)載問(wèn)題越來(lái)越受到關(guān)注和重視。作為繼搜索引擎之后興起的新星,個(gè)性化推薦系統(tǒng)通過(guò)向用戶提供更具針對(duì)性的服務(wù)而有效緩解了信息過(guò)載問(wèn)題的影響。從被動(dòng)等待用戶輸入檢索詞,到主動(dòng)了解用戶需求,個(gè)性化推薦系統(tǒng)在解決用戶信息過(guò)載問(wèn)題上具有與生俱來(lái)的巨大優(yōu)勢(shì),被廣泛認(rèn)可。通過(guò)較為全面和系統(tǒng)的文獻(xiàn)綜述,本文揭示出當(dāng)前個(gè)性化推薦系統(tǒng)存在的主要問(wèn)題在于高質(zhì)量用戶偏好數(shù)據(jù)的匱乏與種類多樣的推薦算法之間的矛盾,實(shí)乃"巧婦難為無(wú)米之炊"。用戶偏好乃個(gè)性化推薦系統(tǒng)之基,當(dāng)前用戶偏好獲取存在兩個(gè)方面的不足:一是基本數(shù)據(jù)分析來(lái)源的用戶評(píng)分、評(píng)論和標(biāo)簽等標(biāo)注行為發(fā)生頻率非常低,容易產(chǎn)生數(shù)據(jù)稀疏問(wèn)題;二是日志分析粒度太粗,畢竟日志分析以單頁(yè)為基本單元而用戶在特定網(wǎng)頁(yè)并非均勻?yàn)g覽而是不同部分有不同的側(cè)重,從而無(wú)法具體得到用戶更為精準(zhǔn)的偏好信息。因此,本論文從用戶日常發(fā)生頻率最高的瀏覽行為入手,利用心理學(xué)眼動(dòng)實(shí)驗(yàn)證明屏幕視覺(jué)熱區(qū)的存在并探究其影響因素,借助屏幕視覺(jué)熱區(qū)可將用戶實(shí)時(shí)注視的網(wǎng)頁(yè)內(nèi)容進(jìn)行抓取并析出關(guān)鍵詞作為用戶偏好數(shù)據(jù)的基本來(lái)源;繼而,采用自組織聚類方法將所有偏好數(shù)據(jù)完整映射至即時(shí)偏好、短期偏好和長(zhǎng)期偏好三層結(jié)構(gòu)之上;此外,對(duì)用戶評(píng)論與評(píng)分不一致的現(xiàn)象進(jìn)行了修正,意圖使用更為真實(shí)客觀的評(píng)分與評(píng)價(jià)信息向用戶呈現(xiàn)推薦的原因;最后,以用戶為中心,通過(guò)對(duì)用戶與推薦系統(tǒng)交互行為的觀察及用戶即時(shí)、短期及長(zhǎng)期偏好的充分利用,提出交互收斂式個(gè)性化推薦算法進(jìn)行實(shí)時(shí)推薦,力圖確保推薦精確性的前提下提高推薦的多樣性,從而有效提升個(gè)性化推薦系統(tǒng)的可用性、易用性及用戶滿意度�？傮w而言,本論文以用戶為中心,著眼于解決用戶信息過(guò)載這一本質(zhì)性問(wèn)題,通過(guò)解決個(gè)性化推薦系統(tǒng)現(xiàn)存頑疾而實(shí)現(xiàn)推薦系統(tǒng)中用戶個(gè)性化更為精準(zhǔn)識(shí)別的突破,進(jìn)而采用更加實(shí)時(shí)和互動(dòng)性的算法為用戶進(jìn)行準(zhǔn)確而多樣的推薦。文章主要內(nèi)容如下:第1章緒論。介紹本論文的研究背景、主要概念、研究目的、研究?jī)?nèi)容、研究方法、主要?jiǎng)?chuàng)新點(diǎn)及其理論與現(xiàn)實(shí)意義。第2章個(gè)性化推薦系統(tǒng)研究綜述。按照認(rèn)知論、方法論和矛盾論的邏輯線索對(duì)個(gè)性化推薦系統(tǒng)的當(dāng)前研究現(xiàn)狀進(jìn)行了梳理,介紹了個(gè)性化推薦系統(tǒng)滿意化研究及外圍相關(guān)研究的進(jìn)展,并指出個(gè)性化推薦系統(tǒng)面對(duì)的五大根本矛盾。第3章用戶為中心的個(gè)性化推薦系統(tǒng)理論體系。主要包括個(gè)性化推薦系統(tǒng)的歷史背景及相關(guān)理論、目的、類型、本質(zhì)、特征維度及其發(fā)展瓶頸。第4章基于屏幕視覺(jué)熱區(qū)的用戶偏好提取方法。通過(guò)眼動(dòng)實(shí)驗(yàn)證明屏幕視覺(jué)熱區(qū)的存在并進(jìn)行驗(yàn)證。屏幕視覺(jué)熱區(qū)受網(wǎng)頁(yè)類型影響,因此使用雙中線法消除噪聲的網(wǎng)頁(yè)自動(dòng)分類算法,并據(jù)此提出了短文本關(guān)鍵詞實(shí)時(shí)提取技術(shù)。第5章基于屏幕視覺(jué)熱區(qū)的用戶偏好復(fù)合模型。以提取屏幕視覺(jué)熱區(qū)的用戶偏好數(shù)據(jù)為基礎(chǔ),構(gòu)建融合即時(shí)、短期和長(zhǎng)期偏好的用戶偏好復(fù)合模型。對(duì)模型進(jìn)行形式化描述和驗(yàn)證,提出基于屬性的商品自組織層次聚類方法和基于興趣的用戶會(huì)話切分算法為模型實(shí)現(xiàn)提供算法支撐。第6章基于在線商品評(píng)分修正的推薦解釋。在線商品評(píng)論是用戶重要的參考,直接影響用戶最終購(gòu)買意愿與購(gòu)買行為。本章利用功能語(yǔ)言學(xué)中的評(píng)價(jià)介入理論構(gòu)筑分析體系,利用話語(yǔ)標(biāo)記理論構(gòu)建語(yǔ)料庫(kù),設(shè)計(jì)在線商品評(píng)分修正方案并確定本文的推薦解釋風(fēng)格。第7章基于屏幕視覺(jué)熱區(qū)的交互收斂式個(gè)性化推薦方法。以用戶即時(shí)偏好為基礎(chǔ),以加權(quán)的用戶短期和長(zhǎng)期偏好以及其他情境因子為約束條件,引入人機(jī)互動(dòng)模式實(shí)現(xiàn)對(duì)用戶的引導(dǎo),從個(gè)性化推薦系統(tǒng)與用戶的實(shí)時(shí)互動(dòng)中進(jìn)行個(gè)性化推薦,通過(guò)不斷疊加約束條件而迅速收斂到用戶滿意的結(jié)果范圍。第8章總結(jié)與展望�？偨Y(jié)全文的主要研究?jī)?nèi)容和創(chuàng)新性貢獻(xiàn),指出本研究的局限和不足之處,繼而對(duì)未來(lái)研究方向和研究路徑進(jìn)行較為詳細(xì)的說(shuō)明。本研究的創(chuàng)新之處主要體現(xiàn)在:理論上,明確指出個(gè)性化推薦系統(tǒng)的本質(zhì)不是算法而是認(rèn)知助手,構(gòu)建了推薦內(nèi)容(What)、推薦策略(How)、推薦解釋(Why)和推薦時(shí)機(jī)(When)的H3W個(gè)性化推薦系統(tǒng)理論體系,以及綜合即時(shí)偏好、短期偏好和長(zhǎng)期偏好的用戶復(fù)合偏好模型。方法上,首先,借助心理學(xué)實(shí)驗(yàn)發(fā)現(xiàn)了屏幕視覺(jué)熱區(qū),并據(jù)此從用戶實(shí)時(shí)瀏覽行為中提取用戶即時(shí)偏好,在基于雙中線法消除噪聲的網(wǎng)頁(yè)自動(dòng)分類算法和短文本關(guān)鍵詞實(shí)時(shí)提取方法的基礎(chǔ)上,實(shí)現(xiàn)了用戶偏好的實(shí)時(shí)提取;繼而,通過(guò)基于屬性的商品自組織層次聚類方法和用戶會(huì)話切分算法,從海量即時(shí)偏好數(shù)據(jù)中提煉用戶短期和長(zhǎng)期偏好;再次,引入功能語(yǔ)言學(xué)中的評(píng)價(jià)介入理論構(gòu)筑分析體系,利用話語(yǔ)標(biāo)記理論構(gòu)建語(yǔ)料庫(kù),確定在線商品評(píng)分修正方案及推薦解釋風(fēng)格;最后,以用戶歷史行為、偏好復(fù)合模型、即時(shí)交互行為為約束條件,開(kāi)發(fā)原型系統(tǒng)測(cè)試并驗(yàn)證了交互收斂式個(gè)性化推薦方法,與傳統(tǒng)推薦方法相比本文方法不僅具有更高的精確性和用戶滿意度,還能有效解決推薦算法實(shí)時(shí)性差、未登錄用戶偏好提取難等問(wèn)題。
[Abstract]:......
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.3
，

本文編號(hào)：2476026