發(fā)布時(shí)間：2017-09-15 07:37

  本文關(guān)鍵詞：基于協(xié)同過濾的推薦方法的研究

  更多相關(guān)文章： 協(xié)同過濾 稀疏性 用戶偏見 時(shí)效偏好 概念漂移

【摘要】：面對互聯(lián)網(wǎng)時(shí)代中信息過載所帶來的各種問題和挑戰(zhàn),人類正不斷研究和發(fā)展不同的新技術(shù),其中個(gè)性化信息服務(wù)技術(shù)獨(dú)占優(yōu)勢,主要包括搜索引擎和推薦系統(tǒng)。雖然搜索引擎能夠基于用戶所提供的明確的需求信息,做出針對性的搜索服務(wù),但是由于內(nèi)部機(jī)制的限制,用戶參與度高,服務(wù)內(nèi)容局限。而推薦系統(tǒng)的產(chǎn)生能夠彌補(bǔ)搜索引擎所存在的不足,通過分析用戶歷史行為數(shù)據(jù),發(fā)現(xiàn)用戶的興趣偏好,從而主動生成滿足用戶需求的信息內(nèi)容。到目前為止,推薦系統(tǒng)不僅成為了電子商務(wù)發(fā)展過程中必不可少的部分,而且在其他領(lǐng)域也被廣泛應(yīng)用。推薦系統(tǒng)的核心在于個(gè)性化推薦方法,各種不同的推薦技術(shù)正逐步受到國內(nèi)外業(yè)界人士的廣泛研究與實(shí)踐,其中協(xié)同過濾推薦技術(shù)最受青睞。本文在對國內(nèi)外研究現(xiàn)狀分析的基礎(chǔ)上,通過探討現(xiàn)有的個(gè)性化推薦的相關(guān)理論和技術(shù),主要針對協(xié)同過濾推薦技術(shù)進(jìn)行了更深一步的研究。本文首先針對基于內(nèi)存的協(xié)同推薦方法,從數(shù)據(jù)稀疏性以及用戶偏見性的角度考慮,提出一種優(yōu)化的協(xié)同過濾算法。通過建立用戶偏好主題向量,間接獲取用戶之間的相似性,以此克服數(shù)據(jù)稀疏性對用戶相似度計(jì)算準(zhǔn)確性的影響。同時(shí)基于對用戶偏見性的考慮,引入貝葉斯重排序算法,建立項(xiàng)目的信任子群,獲取用戶對信任子群的局部偏見,最后通過加權(quán)相似用戶對目標(biāo)項(xiàng)目的評分最終產(chǎn)生推薦,并通過相關(guān)實(shí)驗(yàn)驗(yàn)證了此方法的可行性。其次,基于用戶隱式評分?jǐn)?shù)據(jù)針對基于模型的協(xié)同推薦技術(shù),從用戶興趣的潛在性以及高時(shí)效性業(yè)務(wù)場景下用戶興趣的不穩(wěn)定性和時(shí)間遷移性的角度出發(fā),提出一種基于用戶潛在時(shí)效偏好的推薦方法。通過深入分析用戶的歷史行為與用戶潛在興趣的關(guān)系,采用了基于概率主題模型的用戶興趣挖掘方法。同時(shí),結(jié)合隱馬爾科夫模型對用戶興趣進(jìn)行實(shí)時(shí)捕獲,發(fā)現(xiàn)用戶的興趣遷移序列,最后通過多次實(shí)驗(yàn)驗(yàn)證了所提出方法在高時(shí)效性業(yè)務(wù)場景中對于推薦性能的改善。最后,針對基于模型的協(xié)同推薦方法在用戶顯式評分?jǐn)?shù)據(jù)集上存在的概念漂移問題進(jìn)行了擴(kuò)展,對推薦系統(tǒng)中用戶興趣的動態(tài)性和多樣性,以及其學(xué)習(xí)過程對潛在情景變化的敏感性進(jìn)行進(jìn)一步研究,綜合時(shí)間因子對用戶潛在興趣的全局影響和局部作用,提出一種基于概念漂移的興趣二階段學(xué)習(xí)方法。分析了時(shí)間因素與概念漂移問題的緊密關(guān)系,通過在用戶-項(xiàng)目的評分?jǐn)?shù)據(jù)集上對用戶興趣的兩個(gè)階段的模型學(xué)習(xí),證明了此方法在解決概念漂移問題上的有效性,以及對提高系統(tǒng)的整體推薦質(zhì)量的改進(jìn)。
【關(guān)鍵詞】：協(xié)同過濾 稀疏性 用戶偏見 時(shí)效偏好 概念漂移
【學(xué)位授予單位】：桂林電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 緒論8-17
• §1.1 研究背景及研究意義8-10
• §1.1.1 研究背景8-9
• §1.1.2 研究意義9-10
• §1.2 國內(nèi)外研究現(xiàn)狀10-14
• §1.2.1 國外研究現(xiàn)狀11-12
• §1.2.2 國內(nèi)研究現(xiàn)狀12-14
• §1.3 協(xié)同推薦技術(shù)面臨問題及挑戰(zhàn)14-15
• §1.4 論文的基本內(nèi)容和結(jié)構(gòu)15-17
• 第二章 相關(guān)理論和技術(shù)17-35
• §2.1 個(gè)性化推薦技術(shù)17-24
• §2.1.1 基于內(nèi)容過濾的推薦技術(shù)17-19
• §2.1.2 協(xié)同過濾推薦技術(shù)19-21
• §2.1.3 混合推薦技術(shù)21-23
• §2.1.4 基于社會關(guān)系的推薦技術(shù)23
• §2.1.5 其他推薦技術(shù)23-24
• §2.2 協(xié)同過濾技術(shù)及分類24-33
• §2.2.1 基于內(nèi)存的協(xié)同過濾24-31
• §2.2.2 基于模型的協(xié)同過濾31-33
• §2.3 本章小結(jié)33-35
• 第三章 基于內(nèi)存的推薦方法的研究及改進(jìn)35-44
• §3.1 問題分析35
• §3.2 優(yōu)化的協(xié)同過濾算法35-39
• §3.2.1 用戶相似度的計(jì)算35-37
• §3.2.2 用戶局部偏見性的引入37-39
• §3.2.3 產(chǎn)生推薦39
• §3.3 實(shí)驗(yàn)結(jié)果與分析39-43
• §3.3.1 數(shù)據(jù)集39-40
• §3.3.2 度量標(biāo)準(zhǔn)40
• §3.3.3 相關(guān)參數(shù)的確定40-42
• §3.3.4 算法結(jié)果對比42-43
• §3.4 本章小結(jié)43-44
• 第四章 基于模型的推薦方法的研究及改進(jìn)44-55
• §4.1 問題分析44
• §4.2 基于用戶潛在時(shí)效偏好的推薦算法44-50
• §4.2.1 用戶潛在興趣挖掘44-46
• §4.2.2 用戶興趣遷移序列提取46-47
• §4.2.3 基于用戶潛在的時(shí)效偏好推薦方法47-50
• §4.3 實(shí)驗(yàn)結(jié)果與分析50-54
• §4.3.1 數(shù)據(jù)集50
• §4.3.2 度量標(biāo)準(zhǔn)50-51
• §4.3.3 算法結(jié)果對比51-54
• §4.4 本章小結(jié)54-55
• 第五章 基于概念漂移問題的擴(kuò)展55-65
• §5.1 問題分析55-56
• §5.2 基于概念漂移的二階段興趣學(xué)習(xí)推薦算法56-59
• §5.2.1 一階段興趣全局學(xué)習(xí)56-57
• §5.2.2 二階段興趣個(gè)性化學(xué)習(xí)57-59
• §5.3 實(shí)驗(yàn)結(jié)果與分析59-64
• §5.3.1 數(shù)據(jù)集及度量標(biāo)準(zhǔn)59-60
• §5.3.2 參數(shù)的預(yù)估60
• §5.3.3 算法時(shí)序性的驗(yàn)證60-61
• §5.3.4 算法結(jié)果對比61-63
• §5.3.5 評分預(yù)測的抗稀疏性評估63-64
• §5.4 本章小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• §6.1 工作總結(jié)65
• §6.2 未來展望65-67
• 參考文獻(xiàn)67-73
• 致謝73-74
• 作者在攻讀碩士學(xué)位期間的主要研究成果74

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時(shí)間加權(quán)的協(xié)同過濾算法[J];計(jì)算機(jī)應(yīng)用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2008年02期

4 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

6 廖新考;;基于用戶特征和項(xiàng)目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學(xué)模型的協(xié)同過濾推薦方法[J];計(jì)算機(jī)工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進(jìn)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計(jì)算機(jī)信息;2011年11期

10 鄭婕;鮑海琴;;基于協(xié)同過濾推薦技術(shù)的個(gè)性化網(wǎng)絡(luò)教學(xué)平臺研究[J];科技風(fēng);2012年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 紀(jì)科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

5 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

6 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機(jī)研究[D];上海交通大學(xué);2011年

7 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

8 高e，

本文編號：855195