發(fā)布時(shí)間：2021-03-02 03:40

　　隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展,互聯(lián)網(wǎng)已經(jīng)滲入到人們生活工作的方方面面,隨之產(chǎn)生了大量的用戶行為數(shù)據(jù)。用戶行為數(shù)據(jù)中蘊(yùn)含著用戶的偏好,而用戶偏好預(yù)示了用戶的個(gè)人傾向以及可能的行為。同時(shí),用戶對評分對象的傾向是多個(gè)方面的,例如用戶對一部電影的傾向,會(huì)分為對類型、語言等多個(gè)方面,這形成了多個(gè)維度的用戶偏好。因此,理解用戶行為數(shù)據(jù)、構(gòu)建多維用戶偏好模型、基于偏好模型的評分預(yù)測和偏好估計(jì),是個(gè)性化服務(wù)的有效支撐,具有重要意義。一方面,用戶偏好是客觀存在的,但無法被直接觀測到,隱變量可以描述無法直接觀測的變量。同時(shí),用戶評分?jǐn)?shù)據(jù)各屬性之間擁有任意形式的依賴關(guān)系以及不確定性,貝葉斯網(wǎng)（Bayesian Network,BN）可以有效的表達(dá)屬性間任意的依賴關(guān)系以及不確定性,且具有優(yōu)秀的推理能力。將隱變量引入貝葉斯網(wǎng)是用戶偏好建模的有效方法,已被廣泛的應(yīng)用于不確定性知識(shí)領(lǐng)域。本文以含多個(gè)隱變量的貝葉斯網(wǎng)來構(gòu)建多維用戶偏好模型。多隱變量情形下模型的構(gòu)建過程會(huì)產(chǎn)生大量中間數(shù)據(jù),使得計(jì)算復(fù)雜度急劇上升,而Spark計(jì)算框架能夠有效的處理高計(jì)算復(fù)雜度的問題。另一方面,偏好估計(jì)和評分預(yù)測是多維用戶偏好模型的兩個(gè)重要應(yīng)... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究目的及意義
    1.2 國內(nèi)外現(xiàn)狀及發(fā)展趨勢
        1.2.1 用戶偏好建模
        1.2.2 基于隱變量模型的用戶偏好建模
        1.2.3 用戶偏好模型的應(yīng)用
    1.3 本文的主要工作
    1.4 本文的結(jié)構(gòu)
第二章 隱變量模型及貝葉斯網(wǎng)絡(luò)簡介
    2.1 貝葉斯網(wǎng)
        2.1.1 貝葉斯網(wǎng)的簡介
        2.1.2 貝葉斯網(wǎng)的構(gòu)建
        2.1.3 貝葉斯網(wǎng)的推理
    2.2 隱變量模型
        2.2.1 隱變量模型的簡介
        2.2.2 隱變量模型的構(gòu)建
第三章 多維用戶偏好建模
    3.1 多維用戶偏好模型的定義
    3.2 約束條件
    3.3 基于約束條件的參數(shù)構(gòu)建
    3.4 基于約束條件的結(jié)構(gòu)構(gòu)建
    3.5 本章小結(jié)
第四章 基于多維用戶偏好模型的評分預(yù)測和偏好估計(jì)
    4.1 預(yù)處理
    4.2 評分預(yù)測
    4.3 偏好估計(jì)
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 多維用戶偏好模型的構(gòu)建效率
        5.1.1 參數(shù)構(gòu)建效率測試
        5.1.2 結(jié)構(gòu)構(gòu)建效率測試
    5.2 模型應(yīng)用的有效性測試
        5.2.1 基于多維用戶偏好模型的評分預(yù)測
        5.2.2 基于多維用戶偏好模型的偏好估計(jì)
    5.3 本章小結(jié)
第六章 總結(jié)與展望
附錄
    A1.攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    A2.攻讀碩士學(xué)位期間申請的發(fā)明專利
    A3.攻讀碩士學(xué)位期間參與的科研項(xiàng)目
    A4.攻讀碩士學(xué)位期間獲得的獎(jiǎng)勵(lì)
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于貝葉斯網(wǎng)的評價(jià)數(shù)據(jù)分析和動(dòng)態(tài)行為建模[J]. 王飛,岳昆,孫正寶,武浩,馮輝.  計(jì)算機(jī)研究與發(fā)展. 2017(07)
[2]基于屬性提升與局部采樣的推薦評分預(yù)測[J]. 鄭麟,朱福喜,姚杏.  計(jì)算機(jī)學(xué)報(bào). 2016(08)
[3]基于評分矩陣局部低秩假設(shè)的成列協(xié)同排名算法[J]. 劉海洋,王志海,黃丹,孫艷歌.  軟件學(xué)報(bào). 2015(11)
[4]一種基于攻擊意愿分析的網(wǎng)絡(luò)風(fēng)險(xiǎn)動(dòng)態(tài)評估模型[J]. 馬春光,汪誠弘,張東紅,李迎濤.  計(jì)算機(jī)研究與發(fā)展. 2015(09)
[5]上下文感知推薦系統(tǒng)中基于用戶認(rèn)知行為的偏好獲取方法[J]. 高全力,高嶺,楊建鋒,王海.  計(jì)算機(jī)學(xué)報(bào). 2015(09)
[6]基于概率圖模型的互聯(lián)網(wǎng)廣告點(diǎn)擊率預(yù)測[J]. 岳昆,王朝祿,朱運(yùn)磊,武浩,劉惟一.  華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(03)
[7]Web服務(wù)選擇中偏好不確定問題的研究[J]. 王紅兵,孫文龍,王華蘭.  計(jì)算機(jī)學(xué)報(bào). 2013(02)
[8]一種上下文移動(dòng)用戶偏好自適應(yīng)學(xué)習(xí)方法[J]. 史艷翠,孟祥武,張玉潔,王立才.  軟件學(xué)報(bào). 2012(10)
[9]基于貝葉斯網(wǎng)絡(luò)的頻繁模式興趣度計(jì)算及剪枝[J]. 胡春玲,吳信東,胡學(xué)鋼,姚宏亮.  軟件學(xué)報(bào). 2011(12)



本文編號：3058530