本文關鍵詞：基于馬爾科夫鏈和節(jié)點中心度的論文推薦算法研究

  更多相關文章： 馬爾科夫鏈 節(jié)點中心度 狀態(tài)轉移矩陣 論文推薦

【摘要】：隨著網(wǎng)絡技術的快速發(fā)展,在科學研究領域,學術論文的數(shù)量呈現(xiàn)爆炸增長的趨勢。科研信息過載使得科研人員獲取資源所花費的精力增加,這也間接造成了科研浪費。而論文主動推薦技術是解決該問題的一種有效途徑。但目前已有的論文主動推薦技術存在著論文相似度不易量化等問題。當前,社交網(wǎng)絡已逐漸成為信息推薦、共享的主流形式,越來越多的研究者使用社交網(wǎng)絡進行學術資源共享�；谏缃痪W(wǎng)絡的論文推薦技術已成為一個新的研究熱點。因此,如何簡化論文相似度計算,并將社交網(wǎng)絡分析引入到論文主動推薦技術中,是本研究要解決的關鍵問題。首先,基于馬爾科夫鏈理論,提出了新的論文相似度計算模型。該模型利用馬爾科夫鏈對用戶瀏覽論文的過程進行量化,將相鄰兩次瀏覽論文的狀態(tài)轉移概率作為度量論文相似度的標準。其次,基于協(xié)同過濾思想,將社交網(wǎng)絡技術引入到論文相似度計算模型的構建過程中,通過獲取朋友圈中所有好友瀏覽論文的狀態(tài)轉移概率,并考慮好友地位計算其權重,對好友的論文狀態(tài)轉移概率進行加權求和,來建立用戶的論文相似度計算模型。然后,基于用戶的論文相似度計算模型,設計了基于馬爾科夫鏈和節(jié)點中心度的論文推薦算法。最后,以該論文推薦算法為核心,設計并實現(xiàn)了論文推薦原型系統(tǒng)。此外,本研究選取準確率、召回率這兩個指標對提出的論文推薦算法的有效性進行評價,并對比分析了基于VSM相似度的論文推薦算法與本文的論文推薦算法的推薦效果,實驗證明,該論文推薦算法具有較高的推薦準確度,且論文推薦系統(tǒng)具有較高的用戶滿意度。本研究提出的推薦算法除了可以用于科學研究中的論文推薦,還可以應用于教育中的學習資源推薦、商業(yè)中的商品推薦及金融業(yè)中的金融服務推薦等,因此,該算法具有較為廣闊的應用前景。
【關鍵詞】：馬爾科夫鏈 節(jié)點中心度 狀態(tài)轉移矩陣 論文推薦
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：O211.62;TP391.3
【目錄】：

• 摘要5-6
• Abstract6-11
• 1 緒論11-18
• 1.1 研究背景及意義11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意義12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 經(jīng)典的推薦算法12-14
• 1.2.2 科技論文推薦算法14-15
• 1.3 論文研究內(nèi)容及技術路線15-16
• 1.3.1 研究內(nèi)容15
• 1.3.2 技術路線15-16
• 1.4 論文組織結構16-18
• 2 理論基礎18-27
• 2.1 個性化推薦技術18-22
• 2.1.1 協(xié)同過濾算法18-19
• 2.1.2 基于內(nèi)容過濾的推薦算法19-20
• 2.1.3 基于關聯(lián)規(guī)則的推薦算法20-21
• 2.1.4 基于社交網(wǎng)絡的推薦算法21-22
• 2.1.5 混合推薦算法22
• 2.2 馬爾科夫模型22-24
• 2.2.1 馬爾科夫過程22-23
• 2.2.2 馬爾科夫鏈23
• 2.2.3 馬爾科夫鏈的應用23-24
• 2.3 社交網(wǎng)絡理論24-26
• 2.3.1 社交網(wǎng)絡的理論基礎24
• 2.3.2 社交網(wǎng)絡的結構特征24-26
• 2.3.3 社交網(wǎng)絡的基本參數(shù)26
• 2.4 本章小結26-27
• 3 論文相似度計算模型27-35
• 3.1 引言27
• 3.2 相關研究27-29
• 3.3 相似度模型設計29-30
• 3.4 相似度模型構建30-34
• 3.4.1 模型結構30-31
• 3.4.2 數(shù)據(jù)處理31-32
• 3.4.3 用戶權值計算32-33
• 3.4.4 狀態(tài)轉移矩陣計算33-34
• 3.4.5 論文相似度計算模型34
• 3.5 本章小結34-35
• 4 論文推薦算法實現(xiàn)及性能分析35-51
• 4.1 引言35
• 4.2 算法設計與實現(xiàn)35-47
• 4.2.1 算法流程35-36
• 4.2.2 用戶權重確定36-41
• 4.2.3 狀態(tài)轉移矩陣獲取41-45
• 4.2.4 論文相似度計算45-47
• 4.3 算法性能分析47-50
• 4.3.1 性能評價指標47-48
• 4.3.2 實驗環(huán)境48
• 4.3.3 實驗結果分析48-50
• 4.4 本章小結50-51
• 5 論文推薦系統(tǒng)設計與實現(xiàn)51-62
• 5.1 系統(tǒng)概要分析51-52
• 5.1.1 需求分析51-52
• 5.1.2 系統(tǒng)框架52
• 5.1.3 系統(tǒng)開發(fā)環(huán)境52
• 5.2 數(shù)據(jù)庫設計52-55
• 5.3 主要模塊設計55-56
• 5.3.1 熱門論文推薦55-56
• 5.3.2 個性化論文推薦56
• 5.4 實現(xiàn)功能展示56-59
• 5.4.1 用戶好友關注56-57
• 5.4.2 論文推薦57-58
• 5.4.3 后臺管理58-59
• 5.5 論文推薦系統(tǒng)評價59-61
• 5.6 本章小結61-62
• 6 總結與展望62-64
• 6.1 全文總結62
• 6.2 工作展望62-64
• 參考文獻64-68
• 攻讀學位期間的科研成果68-69
• 致謝69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳潔敏;湯庸;李建國;蔡奕彬;;個性化推薦算法研究[J];華南師范大學學報(自然科學版);2014年05期

2 方曙光;;“弱關系”和“強關系”下的網(wǎng)絡互動和網(wǎng)絡運動[J];北京理工大學學報(社會科學版);2014年02期

3 張建偉;;基于社交網(wǎng)絡數(shù)據(jù)的個性化推薦研究[J];商;2013年24期

4 王振振;何明;杜永萍;;基于LDA主題模型的文本相似度計算[J];計算機科學;2013年12期

5 賀超波;沈玉利;余建輝;林海;吳琳琳;;基于學術社區(qū)的科技論文推薦方法[J];華南師范大學學報(自然科學版);2012年03期

6 金博;史彥軍;滕弘飛;;基于篇章結構相似度的復制檢測算法[J];大連理工大學學報;2007年01期

7 劉殿海;楊勇平;楊昆;李岱青;楊志平;;基于馬爾科夫鏈的能源結構與污染物排放預測模型及其應用[J];中國電力;2006年03期

8 張智軍,方穎,許云濤;基于Apriori算法的水平加權關聯(lián)規(guī)則挖掘[J];計算機工程與應用;2003年14期

9 張煥炯,王國勝,鐘義信;基于漢明距離的文本相似度計算[J];計算機工程與應用;2001年19期

10 潘謙紅,王炬,史忠植;基于屬性論的文本相似度計算[J];計算機學報;1999年06期

，

本文編號：710998