發(fā)布時間：2018-05-20 17:46

  本文選題：推薦系統(tǒng) + 時間段圖模型��； 參考：《浙江大學》2017年碩士論文

【摘要】：在當前社會,推薦系統(tǒng)已經(jīng)取得了廣泛的應(yīng)用,從小型社區(qū)到大型電子商務(wù)網(wǎng)站,推薦系統(tǒng)無疑在扮演著十分重要的角色。如何計算用戶對一個物品的感興趣程度在推薦系統(tǒng)領(lǐng)域是一個至關(guān)重要的問題。對用戶興趣的預(yù)測越準確,推薦算法的準確度就越高。然而用戶的興趣是動態(tài)變化的,在不同的時間,用戶的興趣會有不同,這給推薦系統(tǒng)帶來了極大的挑戰(zhàn)。因此,在對用戶的興趣進行建模時,如何把時間因素考慮在內(nèi)顯得尤為重要。時間段圖模型通過在用戶物品二分圖中增加一個新的結(jié)點類型,即時間段結(jié)點來引入時間信息。但是時間段圖模型中采用了固定時間窗口進行時間段劃分的方式,很難對所有用戶都劃分出在時間上比較聚集的行為記錄,且時間段圖模型沒有考慮到興趣會隨著時間衰減�；诖�,本文提出了基于貪心策略的時間段劃分方法,并且提出了基于物品時間段二分圖的興趣衰減模型,本文的主要研究工作如下:1)研究了時間信息在圖模型中的表示,提出并實現(xiàn)了一個基于貪心策略的時間段劃分方法,相比于采用固定時間窗口進行時間段劃分的方法,該方法能夠更好地適應(yīng)不同用戶具有不同的行為密度的情況。2)研究了圖模型中的用戶興趣建模與推薦,提出并實現(xiàn)了基于物品時間段二分圖的興趣衰減模型IDSSTG和GIDSSTG。相比于時間段圖模型,該模型考慮到了興趣隨時間衰減的情況,且減少了圖的結(jié)點數(shù)和邊的個數(shù),提高了推薦算法的時間效率。3)在前面兩步的基礎(chǔ)上,實現(xiàn)了物品時間段二分圖上的興趣衰減模型、基于用戶的協(xié)同過濾和時間段圖模型等多種推薦方法,并在公開的數(shù)據(jù)集MovieLens和豆瓣電影數(shù)據(jù)集上進行測試和比較,驗證了本文所作工作的有效性。
[Abstract]:In the current society, recommendation system has been widely used, from small community to large e-commerce website, recommendation system undoubtedly plays a very important role. How to calculate a user's interest in an item is a critical issue in the field of recommendation systems. The more accurate the prediction of user interest, the higher the accuracy of recommendation algorithm. However, the user's interest is dynamic. At different times, the user's interest will be different, which brings great challenges to the recommendation system. Therefore, it is very important to take time into account when modeling user interest. Time graph model introduces time information by adding a new node type to the bipartite graph of user items, that is, time period node. But in the time graph model, the fixed time window is used to divide the time period, it is difficult to divide all the users into the behavior records which are relatively aggregated in time, and the time period graph model does not consider that interest will decay with time. Based on this, this paper proposes a time division method based on greedy strategy and an interest attenuation model based on the bipartite graph of item time. The main research work of this paper is as follows: 1) the representation of time information in the graph model is studied. A time division method based on greedy strategy is proposed and implemented, which is compared with the time division method based on fixed time window. This method can better adapt to different users with different behavior density. (2) this paper studies user interest modeling and recommendation in graph model, and proposes and implements interest attenuation model IDSSTG and GIDSSTG based on item time interval bipartite graph. Compared with the time period graph model, the model takes into account the decay of interest with time, and reduces the number of nodes and edges of the graph, and improves the time efficiency of the recommended algorithm. 3) on the basis of the first two steps, The interest attenuation model on the bipartite graph of item time is implemented, and several recommended methods based on the user's collaborative filtering and time graph model are implemented, and tested and compared on the published data set MovieLens and Douban movie data set. The validity of the work done in this paper is verified.
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 白麗君 ,張永奎 ,趙輒謙;用戶興趣的反饋學習[J];電腦開發(fā)與應(yīng)用;2003年02期

2 王杰;使圖像的編輯更加容易[J];中文信息;1998年Z1期

3 王波,姚敏;基于信息抽取的匿名用戶興趣描述[J];華南理工大學學報(自然科學版);2004年S1期

4 董全德;;用戶興趣遷移模式與個性化服務(wù)[J];電腦知識與技術(shù)(學術(shù)交流);2007年17期

5 鄭運剛;馬建國;;基于分類的用戶興趣漂移模型[J];情報雜志;2008年01期

6 張濤;;基于瀏覽歷史的用戶興趣提取模型[J];軟件導(dǎo)刊;2009年06期

7 楊杰;陳恩紅;;面向個性化服務(wù)的用戶興趣偏移檢測及處理方法[J];電子技術(shù);2009年11期

8 陳圣兵;李龍澍;紀霞;;多層次用戶興趣模式的動態(tài)捕捉[J];計算機工程與應(yīng)用;2009年36期

9 鄭曉健;龐淑英;何英;;一種面向主題的用戶興趣挖掘模型研究[J];昆明學院學報;2010年03期

10 花青松;劉海峰;胡錚;;基于基尼系數(shù)的用戶興趣分布模式度量方法[J];計算機工程;2012年22期

相關(guān)會議論文 前7條

1 趙琦;駱志剛;田文穎;李聰;丁凡;;一種基于負反饋信息的用戶興趣模型修正方法[A];中國通信學會第六屆學術(shù)年會論文集（下）[C];2009年

2 孫靜;郭奇;張志強;馮建華;;一種基于面向領(lǐng)域檢索系統(tǒng)的用戶興趣獲取方法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

3 孫鐵利;教巍巍;;基于馬爾科夫模型的用戶興趣導(dǎo)航模型系統(tǒng)(英文)[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學與技術(shù)應(yīng)用（CACIS）學術(shù)會議論文集（上冊）[C];2006年

4 廖祝華;劉建勛;易愛平;;基于用戶興趣的Web服務(wù)發(fā)現(xiàn)[A];2006年全國開放式分布與并行計算機學術(shù)會議論文集（三）[C];2006年

5 李曉黎;史忠植;梁永全;劉福桃;;INTERNET網(wǎng)上一種識別用戶興趣的學習方法[A];第十六屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1999年

6 田萱;杜小勇;;基于SAM模型的用戶興趣表示研究[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

7 王勇;劉奕群;張敏;馬少平;茹立云;;基于用戶興趣分析的網(wǎng)頁生命周期建模(英文)[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

相關(guān)重要報紙文章 前1條

1 中國科學院計算技術(shù)研究所 王 斌;內(nèi)容為王[N];計算機世界;2004年

相關(guān)博士學位論文 前10條

1 梁政;面向在線社交網(wǎng)絡(luò)輿情的信息傳播分析關(guān)鍵技術(shù)研究[D];國防科學技術(shù)大學;2014年

2 張召;在線論壇用戶興趣圖譜發(fā)現(xiàn)與個性化信息推薦[D];華東師范大學;2012年

3 劉淇;基于用戶興趣建模的推薦方法及應(yīng)用研究[D];中國科學技術(shù)大學;2013年

4 郭巖;網(wǎng)絡(luò)日志中用戶興趣的挖掘及利用[D];中國科學院研究生院（計算技術(shù)研究所）;2004年

5 吳麗輝;個性化的Web信息采集技術(shù)研究[D];中國科學院研究生院（計算技術(shù)研究所）;2005年

6 謝興;社會網(wǎng)絡(luò)中興趣發(fā)現(xiàn)與信息組織的研究[D];復(fù)旦大學;2011年

7 李東勝;基于興趣與保護隱私的在線社區(qū)推薦技術(shù)研究[D];復(fù)旦大學;2012年

8 陳浩;Web搜索的用戶興趣與智能優(yōu)化研究[D];中南大學;2012年

9 姜邵巍;基于競爭關(guān)系的推薦技術(shù)研究[D];北京郵電大學;2014年

10 李洋;社會媒體信息推薦關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學;2017年

相關(guān)碩士學位論文 前10條

1 陳媛媛;用戶興趣圖譜演化機制研究[D];武漢理工大學;2014年

2 梁潤庭(Runting Leung);面向微博用戶的興趣識別算法的研究與實現(xiàn)[D];西南交通大學;2015年

3 俞忻峰;新浪微博的數(shù)據(jù)采集和推薦方案研究[D];南京理工大學;2015年

4 楊梅;基于樹型網(wǎng)絡(luò)的多源用戶興趣數(shù)據(jù)融合方法研究[D];四川師范大學;2015年

5 石光蓮;基于形式概念分析的Folksonomy用戶興趣識別研究[D];西南大學;2015年

6 湯文清;微博用戶的興趣及性格分析[D];上海大學;2015年

7 梅佩;基于瀏覽內(nèi)容的用戶興趣研究[D];北京化工大學;2015年

8 張少杰;基于用戶興趣的微博廣告投放系統(tǒng)的設(shè)計與實現(xiàn)[D];山西大學;2015年

9 黃龍偉;基于蟻群算法的WEB日志用戶興趣路徑研究[D];江西師范大學;2015年

10 方正;微博短文本分析技術(shù)研究及應(yīng)用[D];電子科技大學;2014年

，

本文編號：1915625