發(fā)布時間：2017-08-19 22:23

  本文關(guān)鍵詞：基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng)

  更多相關(guān)文章： 社交網(wǎng)絡(luò) 推薦系統(tǒng) 標簽系統(tǒng) 群體決策 攻擊檢測

【摘要】：近年來，計算機技術(shù)的快速發(fā)展，比如HTML5、Web2.0、GUI等相關(guān)領(lǐng)域所取得的突破性成果，促使互聯(lián)網(wǎng)的應(yīng)用日益普及，其實踐范圍也越來越廣泛，在給互聯(lián)網(wǎng)用戶帶來更多的選擇以及更高的自主性體驗的同時也使得網(wǎng)絡(luò)上的信息資源以指數(shù)級別增長，從而造成信息過載的現(xiàn)象。當面對海量的信息時，用戶往往無法快速、準確地找到自己感興趣或者對自己有用的信息，因此在一定程度上導(dǎo)致了時間與資源的浪費，個性化推薦系統(tǒng)就是在這種背景之下應(yīng)運而生的。目前，個性化推薦系統(tǒng)已成為解決信息過載問題的主要技術(shù)，并在長期的實踐應(yīng)用中取得了良好的成效。然而，現(xiàn)有的推薦系統(tǒng)大多旨在為單個用戶提供推薦，現(xiàn)實生活中，有時卻需要向一個群體提供推薦。基于群體的復(fù)雜性與多樣性，傳統(tǒng)的針對單個用戶的推薦系統(tǒng)算法已不能很好地適用于群體推薦系統(tǒng)。在過去的幾十年里，國內(nèi)外已經(jīng)有不少學(xué)者認識到了研究群體推薦系統(tǒng)的重要性與緊迫性，并取得了一定進展，但從整體上看，其研究仍然停留在初級階段，諸多問題依然尚未解決。 本文基于以上前提背景，結(jié)合社交網(wǎng)絡(luò)、標簽系統(tǒng)、協(xié)同推薦系統(tǒng)以及群體決策理論提出了基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng)算法。首先詳細分析了利用社交網(wǎng)絡(luò)中的相關(guān)概念來獲取群體用戶權(quán)重的框架體系，包括群體的類別、產(chǎn)生以及相對應(yīng)的社交網(wǎng)絡(luò)圖譜、興趣圖譜和權(quán)重算法；接著將標簽系統(tǒng)與協(xié)同推薦系統(tǒng)結(jié)合在一起，提出了一種混合的群體推薦系統(tǒng)算法以生成群體推薦項目集合；最后融合群體決策理論與權(quán)重框架體系對推薦項目進行排序，，以得到最大化群體滿意程度的推薦列表。與此同時，本文還對群體推薦系統(tǒng)中的攻擊檢測問題進行了初步的研究。通過大量的實驗對比可以驗證本文提出的基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng)算法具有一定程度的可靠性與有效性；同時，為了進一步驗證算法的性能，還通過調(diào)查問卷獲取了用戶對基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng)算法推薦結(jié)果的滿意程度。實驗結(jié)果表明，本文提出的基于社交網(wǎng)絡(luò)的群體推系統(tǒng)算法不僅在推薦性能上有一定程度的改善，同時能夠給用戶帶來更好的使用體驗。
【關(guān)鍵詞】：社交網(wǎng)絡(luò) 推薦系統(tǒng) 標簽系統(tǒng) 群體決策 攻擊檢測
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：C912
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-20
• 1.1 本文的研究背景和意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-17
• 1.3 本文研究的目的17
• 1.4 研究內(nèi)容與組織結(jié)構(gòu)17-20
• 第二章 群體推薦系統(tǒng)及其相關(guān)技術(shù)簡介20-36
• 2.1 推薦系統(tǒng)20-30
• 2.1.1 個人推薦系統(tǒng)20-27
• 2.1.2 群體推薦系統(tǒng)27-29
• 2.1.3 推薦系統(tǒng)攻擊檢測29-30
• 2.2 社交網(wǎng)絡(luò)30-32
• 2.3 社會標簽系統(tǒng)32-34
• 2.4 群體決策理論34-35
• 2.5 本章小結(jié)35-36
• 第三章 群體權(quán)重計算框架36-44
• 3.1 群體的類別36-37
• 3.1.1 無熟識關(guān)系的群體36-37
• 3.1.2 存在半熟識關(guān)系的群體37
• 3.2 存在半熟識關(guān)系的群體社交網(wǎng)絡(luò)圖37-40
• 3.2.1 存在半熟識關(guān)系的群體用戶權(quán)重框架38-40
• 3.3 無熟識關(guān)系的群體用戶權(quán)重計算40-43
• 3.4 本章小結(jié)43-44
• 第四章 基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng)44-58
• 4.1 群體推薦項目集合的確定44-47
• 4.1.1 群體相似用戶簇劃分44-45
• 4.1.2 評分數(shù)據(jù)確定推薦項目集合45-46
• 4.1.3 標簽數(shù)據(jù)確定推薦項目集合46-47
• 4.2 群體推薦列表的排序47-51
• 4.2.1 群體用戶偏好數(shù)據(jù)獲取47-49
• 4.2.2 推薦項目列表排序49-51
• 4.3 群體推薦系統(tǒng)攻擊檢測51-56
• 4.3.1 群體推薦系統(tǒng)安全性問題51-52
• 4.3.2 基于時間密集性的推薦系統(tǒng)攻擊檢測框架52-54
• 4.3.3 群體推薦系統(tǒng)攻擊檢測研究54-56
• 4.4 本章小結(jié)56-58
• 第五章 案例與實驗部分58-69
• 5.1 存在半熟識關(guān)系的群體58-61
• 5.1.1 案例情景58
• 5.1.2 基本步驟58-61
• 5.2 無熟識關(guān)系的群體推薦系統(tǒng)61-62
• 5.2.1 實驗數(shù)據(jù)61
• 5.2.2 相關(guān)參數(shù)的設(shè)置61
• 5.2.3 實驗結(jié)果的檢驗標準61-62
• 5.3 實驗結(jié)論62-68
• 5.4 本章小結(jié)68-69
• 第六章 結(jié)論與展望69-71
• 致謝71-72
• 參考文獻72-76
• 附錄 176-80
• 附錄 280-84
• 在學(xué)期間取得的與學(xué)位論文相關(guān)的研究成果84-85

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 徐翔;王煦法;;基于SVD的協(xié)同過濾算法的欺詐攻擊行為分析[J];計算機工程與應(yīng)用;2009年20期

2 余力;董斯維;郭斌;;電子商務(wù)推薦攻擊研究[J];計算機科學(xué);2007年05期

3 張付志;高峰;白龍;;基于攻擊檢測的用戶可信度計算方法[J];計算機工程;2010年16期

4 張富國;徐升華;;推薦系統(tǒng)安全問題及技術(shù)研究綜述[J];計算機應(yīng)用研究;2008年03期

5 徐選華;陳曉紅;王紅偉;;一種面向效用值偏好信息的大群體決策方法[J];控制與決策;2009年03期

6 余剛;裴仰軍;朱征宇;陳華月;;基于詞匯語義計算的文本相似度研究[J];計算機工程與設(shè)計;2006年02期

本文編號：703293