隨著近些年網(wǎng)絡(luò)環(huán)境的迅速發(fā)展,網(wǎng)絡(luò)信息正在遍及我們所需要的各個方面,人們在線獲取的數(shù)據(jù)也越來越豐富,但卻導(dǎo)致了數(shù)據(jù)量的急速增長。根據(jù)數(shù)據(jù)統(tǒng)計結(jié)果表示,在每分鐘時間內(nèi),Facebook的活躍用戶會在網(wǎng)絡(luò)上分享約68.4萬比特的信息,Twitter用戶則會發(fā)出超過10萬條,世界上90%的數(shù)據(jù)產(chǎn)生在2010—2012年,到2020年,全球信息總量將會是2011年的22倍,達(dá)到35.2 ZB^[1]。但其中有很多屬于無關(guān)冗余數(shù)據(jù),這導(dǎo)致了“信息超載^[2]（information overload）”問題,網(wǎng)絡(luò)世界被信息所包圍,阿里巴巴集團(tuán)前CEO馬云在一次網(wǎng)絡(luò)信息技術(shù)演講中發(fā)表了他的最新觀點(diǎn),人類正在從IT（information technology）走向DT（data technology）時代^[3-4],IT時代是以自我控制、自我管理為主,而DT時代,它是以服務(wù)大眾、推動生產(chǎn)力為主的技術(shù)。因此,在這樣的數(shù)據(jù)量急速增長的情況下,推薦系統(tǒng)^[5-7]應(yīng)運(yùn)而生,成為幫助用戶獲取有效信息的必要工具,作為一種解決信... 

【文章來源】：長春工業(yè)大學(xué)吉林省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外推薦系統(tǒng)研究現(xiàn)狀
    1.3 研究內(nèi)容及主要工作
    1.4 組織安排
第2章 個性化推薦相關(guān)技術(shù)概述
    2.1 個性化推薦系統(tǒng)概述
    2.2 個性化推薦技術(shù)分類
        2.2.1 基于內(nèi)容的推薦
        2.2.2 基于協(xié)同過濾的推薦算法
        2.2.3 組合推薦算法
    2.3 推薦系統(tǒng)存在的問題
        2.3.1 稀疏性問題
        2.3.2 可擴(kuò)展性問題
        2.3.3 新穎性問題
        2.3.4 冷啟動問題
    2.4 本章小結(jié)
第3章 融合協(xié)同過濾和XGBoost的分類算法
    3.1 基于XGBoost的分類算法
    3.2 融合協(xié)同過濾和XGBoost的分類算法
        3.2.1 算法改進(jìn)思想
        3.2.2 算法描述
    3.3 實(shí)驗分析
        3.3.1 數(shù)據(jù)選擇
        3.3.2 度量標(biāo)準(zhǔn)
        3.3.3 實(shí)驗結(jié)果
        3.3.4 算法分析與對比
    3.4 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的混合推薦算法
    4.1 文本情感極性預(yù)測
        4.1.1 數(shù)據(jù)準(zhǔn)備
        4.1.2 情感極性分析流程
    4.2 文本卷積神經(jīng)網(wǎng)絡(luò)
    4.3 基于卷積神經(jīng)網(wǎng)絡(luò)的混合推薦算法
        4.3.1 算法改進(jìn)思想
        4.3.2 算法描述
    4.4 實(shí)驗分析
        4.4.1 度量標(biāo)準(zhǔn)
        4.4.2 實(shí)驗結(jié)果
        4.4.3 實(shí)驗分析與對比
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
作者簡介
攻讀碩士學(xué)位期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]今日頭條推薦系統(tǒng)背后的技術(shù)原理[J]. 劉波.  信息安全研究. 2019(11)
[2]中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布第43次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》[J].   國家圖書館學(xué)刊. 2019(02)
[3]基于大數(shù)據(jù)的電商個性化推薦系統(tǒng)分析[J]. 黎超.  商業(yè)經(jīng)濟(jì)研究. 2019(02)
[4]抖音的算法推薦特點(diǎn)分析[J]. 王海燕.  新媒體研究. 2018(20)
[5]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機(jī)學(xué)報. 2018(07)
[6]融合社交信息的矩陣分解推薦方法研究綜述[J]. 劉華鋒,景麗萍,于劍.  軟件學(xué)報. 2018(02)
[7]一種基于信任關(guān)系隱含相似度的社會化推薦算法[J]. 潘一騰,何發(fā)智,于海平.  計算機(jī)學(xué)報. 2018(01)
[8]大數(shù)據(jù)可用性的研究進(jìn)展[J]. 李建中,王宏志,高宏.  軟件學(xué)報. 2016(07)
[9]人類社會從IT時代到DT時代[J]. 連玉明.  商業(yè)文化. 2016(11)
[10]中國正迎來從IT時代到DT時代的變革[J]. 白皓.  中國廣播. 2015(07)

博士論文
[1]推薦系統(tǒng)關(guān)鍵技術(shù)研究[D]. 任磊.華東師范大學(xué) 2012
[2]協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D]. 孫小華.浙江大學(xué) 2005
[3]電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D]. 鄧愛林.復(fù)旦大學(xué) 2003

碩士論文
[1]基于深度學(xué)習(xí)的音樂推薦系統(tǒng)[D]. 湯敬浩.北京郵電大學(xué) 2018
[2]協(xié)作過濾推薦技術(shù)的稀疏性和準(zhǔn)確性問題研究[D]. 高良友.海南大學(xué) 2015
[3]BP神經(jīng)網(wǎng)絡(luò)的研究分析及改進(jìn)應(yīng)用[D]. 李友坤.安徽理工大學(xué) 2012



本文編號：3186097