本文關(guān)鍵詞：基于個性化集合排序的多樣性推薦，由筆耕文化傳播整理發(fā)布。

【摘要】：近些年來,個性化推薦系統(tǒng)作為一種解決網(wǎng)絡超載問題的重要工具,被廣泛應用于互聯(lián)網(wǎng)的很多領域。對于個性化的top-N推薦任務,除了推薦的相關(guān)性,推薦的多樣性也是很有必要的。一般而言,不同的用戶往往有不同的個人興趣范圍。興趣廣泛的用戶可能喜歡各種各樣的信息,而擁有固定興趣的用戶可能只對一些信息感興趣。因此,在個性化的top-N推薦任務中,推薦的相關(guān)性和多樣性相結(jié)合的結(jié)果會更令人滿意。為了這個目的,本文將集合多樣性的概念加入傳統(tǒng)的矩陣分解模型中。在協(xié)同過濾方法中,矩陣分解模型是目前最流行的、效果最好的模型之一。通過使用基于個性化集合協(xié)同排序的學習方法對該模型進行學習,本文的方法可以直接進行富有多樣性的個性化top-N推薦。對個性化的多樣性進行學習的過程中,種類信息也被顯式的利用。實驗結(jié)果顯示,對于個性化的top-N推薦任務,本文提出的方法在相關(guān)性和多樣性方面的表現(xiàn)均優(yōu)于傳統(tǒng)的做法,同時獲得了更加個性化的多樣性推薦效果。
【關(guān)鍵詞】：推薦 協(xié)同過濾 集合對排序 個性化 多樣性
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要3-4
• ABSTRACT4-11
• 第一章 引言11-17
• 1.1 研究背景11-13
• 1.2 研究意義13-14
• 1.3 研究內(nèi)容14-15
• 1.4 論文組織15
• 1.5 本章小結(jié)15-17
• 第二章 相關(guān)工作17-21
• 2.1 協(xié)同過濾方法17-18
• 2.2 引入輔助信息18-19
• 2.3 推薦多樣性19-20
• 2.4 本章小結(jié)20-21
• 第三章 預備知識21-29
• 3.1 矩陣分解模型21-23
• 3.2 不同學習場景下的目標函數(shù)23-25
• 3.3 隨機梯度下降法25-26
• 3.4 Bootstrap抽樣26-27
• 3.5 推薦整體表現(xiàn)評估27
• 3.6 本章小結(jié)27-29
• 第四章 個性化集合協(xié)同排序推薦算法29-37
• 4.1 概念定義29-30
• 4.2 面向集合的矩陣分解模型30-32
• 4.3 基于集合對比較的協(xié)同排序32-35
• 4.4 本章小結(jié)35-37
• 第五章 實驗準備37-43
• 5.1 數(shù)據(jù)集37
• 5.2 實際訓練集構(gòu)建37-40
• 5.3 模型訓練相關(guān)設置40-41
• 5.4 本章小結(jié)41-43
• 第六章 實驗結(jié)果討論43-51
• 6.1 對比方法43
• 6.2 結(jié)果預測43-44
• 6.3 評估標準44-45
• 6.4 結(jié)果分析45-50
• 6.4.1 推薦的綜合表現(xiàn)46
• 6.4.2 推薦的相關(guān)性表現(xiàn)46-47
• 6.4.3 推薦的多樣性與相關(guān)性的關(guān)系47-48
• 6.4.4 推薦的個性化多樣性表現(xiàn)48-50
• 6.5 本章小結(jié)50-51
• 第七章 總結(jié)與展望51-53
• 參考文獻53-59
• 致謝59-61
• 攻讀學位期間發(fā)表的學術(shù)論文目錄61-63
• 攻讀學位期間參與的項目63-65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 史加榮;鄭秀云;周水生;;矩陣補全算法研究進展[J];計算機科學;2014年04期

2 李聰;駱志剛;;用于魯棒協(xié)同推薦的元信息增強變分貝葉斯矩陣分解模型[J];自動化學報;2011年09期

3 袁運祥;基于矩陣分解的子結(jié)構(gòu)法求解介紹[J];計算機應用通訊;1981年00期

4 張海建;;分布式矩陣分解算法在推薦系統(tǒng)中的研究與應用[J];科技通報;2013年12期

5 何朕,趙文斌,于達仁;攝動矩陣的分解[J];電機與控制學報;2004年03期

6 李華云;;F范數(shù)及矩陣分解實例研究[J];現(xiàn)代情報;2008年10期

7 鄒理和;;系數(shù)矩陣分解二維譜估值[J];信號處理;1985年03期

8 陳伯倫;陳];鄒盛榮;徐秀蓮;;基于矩陣分解的二分網(wǎng)絡社區(qū)挖掘算法[J];計算機科學;2014年02期

9 王鋒;趙志文;牟盛;;整數(shù)提升小波多相矩陣分解系數(shù)的快速提取算法[J];中國圖象圖形學報;2012年03期

10 段華杰;;考慮時間效應的矩陣分解技術(shù)在推薦系統(tǒng)中的應用[J];微型電腦應用;2013年03期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 王春江;錢若軍;王人鵬;楊聯(lián)萍;;矩陣分解在張力集成體系模態(tài)分析中的應用[A];第九屆全國結(jié)構(gòu)工程學術(shù)會議論文集第Ⅰ卷[C];2000年

2 王春江;王人鵬;錢若軍;王穎;;矩陣分解技術(shù)在體系性態(tài)綜合分析中的初步應用[A];“力學2000”學術(shù)大會論文集[C];2000年

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 李英明;矩陣分解在數(shù)據(jù)挖掘中的應用[D];浙江大學;2014年

2 趙科科;低秩矩陣分解的正則化方法與應用[D];浙江大學;2012年

3 郭亦鴻;利用穆勒矩陣分解定量測量各向異性介質(zhì)微觀結(jié)構(gòu)[D];清華大學;2014年

4 胡惠軼;基于分解的系統(tǒng)辨識方法研究[D];江南大學;2014年

5 陳根浪;基于社交媒體的推薦技術(shù)若干問題研究[D];浙江大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 秦曉暉;個性化微博推薦方法研究[D];華南理工大學;2015年

2 劉鳳林;基于矩陣分解的協(xié)同過濾推薦算法研究[D];南京理工大學;2015年

3 李源鑫;基于提升的信任融合矩陣分解推薦算法[D];福建師范大學;2015年

4 陳洪濤;基于矩陣分解的常規(guī)與長尾捆綁推薦的博弈研究[D];福建師范大學;2015年

5 張濟龍;基于概率矩陣分解的推薦算法研究[D];燕山大學;2015年

6 鄧志豪;基于物品相似度和主題回歸的矩陣分解推薦算法[D];浙江大學;2015年

7 余露;利用矩陣分解算法建模數(shù)據(jù)稀疏環(huán)境下用戶協(xié)同行為[D];杭州師范大學;2015年

8 倪澤明;混合用戶行為建模的概率矩陣分解推薦算法[D];浙江大學;2015年

9 丁浩;基于協(xié)同矩陣分解的藥物靶標相互作用關(guān)系預測[D];復旦大學;2014年

10 吳世偉;社會網(wǎng)絡中的鏈接分析[D];復旦大學;2014年

  本文關(guān)鍵詞：基于個性化集合排序的多樣性推薦，由筆耕文化傳播整理發(fā)布。

，

本文編號：406117