本文關(guān)鍵詞：基于重疊社區(qū)發(fā)現(xiàn)的群組推薦算法研究

  更多相關(guān)文章： 群組推薦 社區(qū)發(fā)現(xiàn) 協(xié)同過濾 Movielens

【摘要】：經(jīng)過多年的發(fā)展,互聯(lián)網(wǎng)已經(jīng)由以網(wǎng)頁瀏覽為特征的Web1.0時(shí)代邁入了以用戶交互為特征的Web2.0時(shí)代。用戶總體規(guī)模及需求增長(zhǎng)遠(yuǎn)遠(yuǎn)落后于信息增長(zhǎng)速度,信息利用率呈現(xiàn)持續(xù)性的下降,這一現(xiàn)象被稱為信息過載。目前,解決信息過載問題主要分為兩個(gè)途徑：信息搜索和主動(dòng)推薦。主動(dòng)推薦則能夠通過對(duì)用戶屬性和行為的分析,能夠?yàn)橛脩籼峁┛赡鼙黄浜雎缘幕蛭窗l(fā)現(xiàn)的具有潛在價(jià)值的信息。由于推薦技術(shù)在各類場(chǎng)景中展現(xiàn)出的應(yīng)用價(jià)值,學(xué)者們對(duì)其進(jìn)行了大量的研究,將推薦技術(shù)分為基于內(nèi)容的推薦和協(xié)同過濾推薦兩個(gè)大的方向。 本文首先對(duì)社區(qū)發(fā)現(xiàn)以及推薦系統(tǒng)的研究現(xiàn)狀進(jìn)行了系統(tǒng)的總結(jié),并在此基礎(chǔ)上詳細(xì)闡述了復(fù)雜社會(huì)網(wǎng)絡(luò)分析、社區(qū)發(fā)現(xiàn)理論、推薦系統(tǒng)領(lǐng)域的經(jīng)典理論。其次,本文在對(duì)傳統(tǒng)協(xié)同過濾推薦算法的比較中發(fā)現(xiàn)了基于歐式距離的絕對(duì)相似度與基于皮爾遜相關(guān)性相似度的內(nèi)在區(qū)別,并提出了優(yōu)化的全局相似度概念,在一定程度上提升了相似度計(jì)算的準(zhǔn)確性。再次,本文把社會(huì)學(xué)領(lǐng)域的社會(huì)網(wǎng)絡(luò)概念及數(shù)據(jù)挖掘領(lǐng)域的聚類、關(guān)聯(lián)分析等思想引入到推薦算法中,一方面通過社區(qū)發(fā)現(xiàn)算法對(duì)用戶數(shù)據(jù)進(jìn)行高效聚類,另一方面則通過群組推薦算法產(chǎn)生已聚類社區(qū)的最終社區(qū)推薦結(jié)果。本文同時(shí)考慮了群組用戶的興趣以及他們復(fù)雜的內(nèi)部關(guān)系,通過將重疊社區(qū)發(fā)現(xiàn)算法和基于貢獻(xiàn)度的協(xié)同過濾算法進(jìn)行創(chuàng)新融合,以實(shí)現(xiàn)潛在群組的發(fā)現(xiàn)、建立、調(diào)整和面向群組的智能推薦。最后,基于Movielens開放數(shù)據(jù)集,本文設(shè)計(jì)了一系列相關(guān)實(shí)驗(yàn)以驗(yàn)證算法的有效性和準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明本實(shí)驗(yàn)?zāi)軌驅(qū)崿F(xiàn)高效且準(zhǔn)確的群組推薦。
【關(guān)鍵詞】：群組推薦 社區(qū)發(fā)現(xiàn) 協(xié)同過濾 Movielens
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：C912.3
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-16
• 1.1 研究背景及意義8-11
• 1.1.1 研究背景8-10
• 1.1.2 研究意義10-11
• 1.2 國(guó)內(nèi)外相關(guān)研究現(xiàn)狀及評(píng)述11-13
• 1.2.1 社區(qū)發(fā)現(xiàn)研究現(xiàn)狀11-12
• 1.2.2 推薦系統(tǒng)研究現(xiàn)狀12-13
• 1.3 論文內(nèi)容與結(jié)構(gòu)13-14
• 1.4 研究方法14-15
• 1.5 研究特色與創(chuàng)新點(diǎn)15-16
• 第二章 復(fù)雜社會(huì)網(wǎng)絡(luò)與社區(qū)發(fā)現(xiàn)理論16-23
• 2.1 復(fù)雜社會(huì)網(wǎng)絡(luò)分析16-17
• 2.1.1 復(fù)雜網(wǎng)絡(luò)特征量16
• 2.1.2 復(fù)雜網(wǎng)絡(luò)分析16-17
• 2.2 社區(qū)發(fā)現(xiàn)理論17-22
• 2.2.1 一般社區(qū)發(fā)現(xiàn)算法18-19
• 2.2.2 重疊社區(qū)發(fā)現(xiàn)算法19-22
• 2.3 本章小結(jié)22-23
• 第三章 推薦系統(tǒng)相關(guān)技術(shù)研究23-31
• 3.1 用戶建模23
• 3.2 推薦項(xiàng)目建模23-24
• 3.3 核心推薦算法24-30
• 3.3.1 推薦系統(tǒng)存在的缺陷24-25
• 3.3.2 基于內(nèi)容的推薦算法25-26
• 3.3.3 協(xié)同過濾推薦算法26-29
• 3.3.4 組合推薦算法29-30
• 3.4 本章總結(jié)30-31
• 第四章 基于重疊社區(qū)發(fā)現(xiàn)的群組推薦算法31-38
• 4.1 重疊社區(qū)發(fā)現(xiàn)算法模塊31-35
• 4.1.1 基于相似性的用戶網(wǎng)絡(luò)31-34
• 4.1.2 社區(qū)發(fā)現(xiàn)34-35
• 4.1.3 重疊社區(qū)融合35
• 4.2 群組推薦算法模塊35-37
• 4.3 本章小結(jié)37-38
• 第五章 實(shí)驗(yàn)數(shù)據(jù)及性能評(píng)價(jià)38-44
• 5.1 實(shí)驗(yàn)數(shù)據(jù)集38-40
• 5.1.1 數(shù)據(jù)選擇38-39
• 5.1.2 數(shù)據(jù)存儲(chǔ)39-40
• 5.2 評(píng)價(jià)指標(biāo)40-41
• 5.3 結(jié)果分析41-43
• 5.4 本章小結(jié)43-44
• 第六章 研究成果與展望44-46
• 6.1 研究成果44-45
• 6.2 研究展望45-46
• 參考文獻(xiàn)46-50
• 致謝50-51
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄51

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 李寶林;蘭蕓;張翼英;;基于動(dòng)態(tài)遺傳算法的用戶模型進(jìn)化研究[J];計(jì)算機(jī)工程與應(yīng)用;2006年14期

2 王國(guó)霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

3 周明;張科;;基于凝聚子群的虛擬社區(qū)社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)證分析[J];技術(shù)經(jīng)濟(jì);2009年10期

4 平亮;宗利永;;基于社會(huì)網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例[J];圖書情報(bào)知識(shí);2010年06期

5 劉建國(guó);周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

，

本文編號(hào)：1034729