本文關(guān)鍵詞：融入個(gè)體人格特質(zhì)的個(gè)性化圖書(shū)推薦模型研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展,電子圖書(shū)閱讀網(wǎng)站的迅速崛起,圖書(shū)、用戶(hù)等數(shù)據(jù)量不斷增大,從而使得圖書(shū)推薦系統(tǒng)中數(shù)據(jù)稀疏性、冷啟動(dòng)問(wèn)題等的影響更加突出,推薦系統(tǒng)的推薦質(zhì)量不斷降低。由于數(shù)據(jù)量的不斷增大,圖書(shū)評(píng)分矩陣更加稀疏；同時(shí)隨著時(shí)間的推移,用戶(hù)閱讀偏好會(huì)發(fā)生變化,因此即使對(duì)同一圖書(shū),在不同的個(gè)體背景因素下都會(huì)有不同的評(píng)價(jià),即為個(gè)體背景因素漂移,使得數(shù)據(jù)集的定位不夠精確；除此之外,人格特質(zhì)是用戶(hù)閱讀行為影響的另一主要因素。因此如何改善圖書(shū)評(píng)分矩陣的稀疏性,并在進(jìn)行推薦過(guò)程中定位有效的目標(biāo)數(shù)據(jù)集,從而提高推薦系統(tǒng)的質(zhì)量是圖書(shū)推薦研究的重點(diǎn)。 基于以上問(wèn)題,本文提出了一種融入人格特質(zhì)的個(gè)性化圖書(shū)推薦模型,主要研究?jī)?nèi)容主要包括以下幾個(gè)方面： 第一,針對(duì)“大五”人格特質(zhì)模型的相關(guān)定義,對(duì)人格特質(zhì)因素的五個(gè)維度進(jìn)行了分析與度量,主要包括情緒穩(wěn)定性、開(kāi)放性、外向性、隨和性和盡責(zé)性這五個(gè)維度。通過(guò)利用量表得到的原始分與標(biāo)準(zhǔn)分之間的映射關(guān)系,得到人格特質(zhì)的標(biāo)準(zhǔn)分,最后根據(jù)標(biāo)準(zhǔn)分與人格特質(zhì)的強(qiáng)弱關(guān)系表得出人格特質(zhì)兼容度綜合值。 第二,提出了融入個(gè)體人格特質(zhì)的個(gè)性化推薦模型,將個(gè)體背景因素漂移、用戶(hù)圖書(shū)類(lèi)型偏好和人格特質(zhì)三個(gè)要素融入到個(gè)性化推薦模型中。首先,利用個(gè)體背景因素漂移對(duì)推薦的數(shù)據(jù)進(jìn)行預(yù)處理,使目標(biāo)數(shù)據(jù)集定位更準(zhǔn)確；其次,利用用戶(hù)圖書(shū)類(lèi)型偏好,通過(guò)將用戶(hù)圖書(shū)評(píng)分矩陣轉(zhuǎn)換為用戶(hù)圖書(shū)類(lèi)型偏好矩陣,從而緩解用戶(hù)數(shù)據(jù)的稀疏性；最后,采用人格特質(zhì)兼容度,優(yōu)化候選圖書(shū)推薦集的排序,使用戶(hù)對(duì)推薦結(jié)果的滿(mǎn)意度更高。 第三,提出了衡量推薦結(jié)果滿(mǎn)意度的評(píng)價(jià)指標(biāo)。在收集用戶(hù)對(duì)人格特質(zhì)調(diào)查的結(jié)果的基礎(chǔ)上,首先,確定了圖書(shū)推薦集的大小；其次,在該數(shù)據(jù)推薦集大小基礎(chǔ)上,對(duì)是否融入人格特質(zhì)的兩種推薦結(jié)果進(jìn)行對(duì)比分析；最后,從用戶(hù)總體滿(mǎn)意度和平均排序準(zhǔn)確度的分析,表明融入人格特質(zhì)的個(gè)性化推薦算法在滿(mǎn)意度上的優(yōu)越性。
【關(guān)鍵詞】：圖書(shū)推薦系統(tǒng) “大五”人格特質(zhì) 個(gè)體背景因素漂移 圖書(shū)類(lèi)型偏好 人格特質(zhì)兼容度
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：G250.71
【目錄】：

• 摘要2-4
• ABSTRACT4-9
• 第一章 緒論9-15
• 1.1 研究背景與意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.3 本文研究?jī)?nèi)容及組織結(jié)構(gòu)12-15
• 第二章 個(gè)性化推薦相關(guān)研究15-29
• 2.1 個(gè)性化推薦系統(tǒng)概述15
• 2.2 基于內(nèi)容的推薦15-18
• 2.3 基于協(xié)同過(guò)濾技術(shù)的推薦18-25
• 2.3.1 協(xié)同過(guò)濾推薦算法概述18-19
• 2.3.2 基于用戶(hù)的協(xié)同過(guò)濾推薦19-22
• 2.3.3 基于項(xiàng)目的協(xié)同過(guò)濾推薦22-23
• 2.3.4 基于降維的協(xié)同過(guò)濾推薦23-25
• 2.4 基于數(shù)據(jù)挖掘技術(shù)的推薦25-27
• 2.4.1 基于關(guān)聯(lián)規(guī)則的推薦25-26
• 2.4.2 基于聚類(lèi)的協(xié)同過(guò)濾推薦26-27
• 2.5 混合推薦27-28
• 2.6 本章小結(jié)28-29
• 第三章 基于“大五”人格模型的人格特質(zhì)獲取29-36
• 3.1 “大五”人格模型概述29-30
• 3.2 人格特質(zhì)因素分析30-33
• 3.3 人格特質(zhì)的度量33-34
• 3.4 圖書(shū)閱讀行為與人格特質(zhì)的關(guān)系34-35
• 3.5 本章小結(jié)35-36
• 第四章 融入個(gè)體人格特質(zhì)的個(gè)性化圖書(shū)推薦模型構(gòu)建36-50
• 4.1 基本思想36-37
• 4.2 模型構(gòu)建37-46
• 4.2.1 基本定義37-38
• 4.2.2 個(gè)體背景因素漂移38-40
• 4.2.3 用戶(hù)圖書(shū)類(lèi)型偏好40-41
• 4.2.4 人格特質(zhì)兼容度41-43
• 4.2.5 融入個(gè)體人格特質(zhì)的圖書(shū)推薦模型43-46
• 4.3 模型算法描述46-48
• 4.3.1 數(shù)據(jù)更新策略47-48
• 4.4 本章小結(jié)48-50
• 第五章 面向用戶(hù)圖書(shū)閱讀行為的實(shí)驗(yàn)分析50-59
• 5.1 實(shí)驗(yàn)數(shù)據(jù)50-53
• 5.1.1 用戶(hù)人格特質(zhì)調(diào)查結(jié)果50-53
• 5.2 評(píng)價(jià)指標(biāo)53
• 5.3 實(shí)驗(yàn)結(jié)果及分析53-58
• 5.4 本章小結(jié)58-59
• 第六章 總結(jié)與展望59-61
• 6.1 總結(jié)59-60
• 6.2 展望60-61
• 參考文獻(xiàn)61-65
• 附錄1 攻讀碩士學(xué)位期間發(fā)表的論文65
• 附錄2 攻讀碩士學(xué)位期間參與的項(xiàng)目65-66
• 致謝66-67

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 劉建國(guó);周濤;郭強(qiáng);汪秉宏;;個(gè)性化推薦系統(tǒng)評(píng)價(jià)方法綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2009年03期

2 李聰;梁昌勇;楊善林;;電子商務(wù)協(xié)同過(guò)濾稀疏性研究:一個(gè)分類(lèi)視角[J];管理工程學(xué)報(bào);2011年01期

3 李杰;徐勇;王云峰;;面向大規(guī)模定制的個(gè)性化推薦研究[J];河北工業(yè)大學(xué)學(xué)報(bào);2008年04期

4 張鋒;常會(huì)友;;使用BP神經(jīng)網(wǎng)絡(luò)緩解協(xié)同過(guò)濾推薦算法的稀疏性問(wèn)題[J];計(jì)算機(jī)研究與發(fā)展;2006年04期

5 李聰;梁昌勇;馬麗;;基于領(lǐng)域最近鄰的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2008年09期

6 孫小華;陳洪;孔繁勝;;在協(xié)同過(guò)濾中結(jié)合奇異值分解與最近鄰方法[J];計(jì)算機(jī)應(yīng)用研究;2006年09期

7 李鵬飛;吳為民;;基于混合模型推薦算法的優(yōu)化[J];計(jì)算機(jī)科學(xué);2014年02期

  本文關(guān)鍵詞：融入個(gè)體人格特質(zhì)的個(gè)性化圖書(shū)推薦模型研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：258634