学位论文 > 优秀研究生学位论文题录展示

基于大众标注的个性化推荐系统研究

作　者: 李岩
导　师: 孔俊
学　校: 东北师范大学
专　业: 计算机应用技术
关键词: 推荐系统大众标注评分协同过滤
分类号: TP393.09
类　型: 硕士论文
年　份: 2011年
下　载: 70次
引　用: 0次
阅　读: 论文下载

内容摘要

计算机科学和互联网技术的飞速发展,人们的信息处理能力已经远远落后于信息的产生速度。面对信息过载,搜索引擎只能被动接受指示,无法主动筛选信息。用户如何从海量信息中猎取有价值的信息,或者如何把有价值的信息展示给相关的用户,是近段时间以来学术界热议的一个互联网研究问题。毫无疑问,推荐系统被证明是解决该问题的有效途径。该技术主要是根据分析用户的历史行为信息和兴趣爱好,来达到主动向用户推荐有价值信息的目的。目前大众标注(Social Tag)技术的飞速发展,使得用户可以更加便捷的发现、组织管理或者获取网络上的资源,因而很快就被多个个性化站点所采用。使用标注能够更准确的表述资源特征,也更能真实体现用户个体对资源的兴趣偏好。因此,将大众标注技术用于个性化推荐系统也非常的适用。本文提出了一种基于大众标注聚类的个性化推荐方法,使用归属度(Belonging Coefficient)矩阵代替评分矩阵,不仅可以解决数据稀疏性问题,还可以极大程度上降低数据的维数。与SVD(Singular Value Decomposition)有类似降维思想的推荐算法相比,也在复杂性和推荐效果上都有一定优势。这是对传统推荐方法的改进,可以解决传统方法兴趣模型比较单一的问题。而且这种方法也缩小了评分矩阵的规模,提高了运算的效率。本文以基于MovieLens、Amazon和Netflix等公开的数据集进行的实验表明,基于大众标注的个性化推荐算法与传统的基于用户相似度的方法进行比较分析,可以得出,本文的算法能够显着的提高推荐效果。

全文目录

摘要  4-5
Abstract  5-7
第一章引言  7-9
  1.1 研究背景  7
  1.2 相关研究工作  7-8
  1.3 本文主要研究内容  8-9
第二章推荐系统知识综述  9-16
  2.1 推荐系统概述  9-11
  2.2 传统推荐技术介绍  11-16
    2.2.1 协同过滤推荐技术  11-14
    2.2.2 协同过滤推荐技术的缺点  14
    2.2.3 基于内容推荐技术  14-15
    2.2.4 混合推荐技术  15-16
第三章大众标注  16-20
  3.1 大众标注的内涵  16
  3.2 大众标注的结构  16-17
  3.3 基于大众标注的推荐系统介绍  17-20
    3.3.1 基于标签的聚类算法  18
    3.3.2 标签的推荐  18-19
    3.3.3 基于大众标注的个性化信息推荐  19-20
第四章基于大众标注的个性化信息推荐系统  20-31
  4.1 基于大众标注的个性化推荐系统建模  20-24
    4.1.1 大众标注的数学定义  20
    4.1.2 构建用户模型与资源模型  20-21
    4.1.3 用户对资源的兴趣度  21
    4.1.4 用户之间的相似度  21-24
  4.2 推荐算法  24-26
    4.2.1 基于用户的协同过滤算法  24-25
    4.2.2 基于标注聚类的推荐算法  25-26
  4.3 实验测评  26-31
    4.3.1 数据集介绍  26
    4.3.2 评价标准  26-27
    4.3.3 测试方法与实验  27-31
结论  31-32
参考文献  32-35
致谢  35

基于大众标注的个性化推荐系统研究

内容摘要

全文目录

相似论文