学位论文 > 优秀研究生学位论文题录展示

多媒体系统中个性化推荐的研究和设计

作　者: 唐沁钦
导　师: 毕红军
学　校: 北京交通大学
专　业: 信息网络与安全
关键词: 个性化推荐 信任度 协同过滤 二分聚类 个性化排名
分类号: TP393.09
类　型: 硕士论文
年　份: 2012年
下　载: 62次
引　用: 1次
阅　读: 论文下载
 

内容摘要


多媒体系统中具有海量的资源,这些资源类型多样化,表示方式多样化。因此,为了帮助用户快速发现感兴趣内容,论文设计了个性化推荐系统来为用户提供个性化信息服务。本文从资源的组织、用户模型的表示和建立、用户兴趣扩展、个性化推荐技术到系统-用户的交互进行了整体的系统设计,每个部分的设计重点考虑了现有推荐系统中存在的一些问题并且对这些问题进行改进。首先,根据多媒体资源的特点,设计了基于概念网络的资源组织方法；其次,根据用户的访问历史,利用用户记忆衰退模型的特点建立用户兴趣模型；再次,设计基于信任度的协同过滤算法来扩展用户兴趣模型；最后,设计基于Random Walk思想的个性化排名系统对生成的推荐结果进行排名,将排名后的结果返回给用户。论文中结合基于内容的推荐方法和协同过滤的推荐方法提供个性化服务,从设计上降低了两者缺点对推荐效果的影响。论文主要研究内容包括：(1)设计概念网络组织系统资源。通过挖掘用户的浏览历史记录,将系统资源自适应建立概念网络模型。(2)根据用户记忆模型建立用户长期兴趣模型和短期兴趣模型,设计基于遗忘模型的更新算法,增强系统对用户兴趣变化的自适应能力。(3)利用用户信任度,设计协同过滤方法扩展用户兴趣模型,发掘用户的潜在兴趣,降低推荐内容过于专门化的风险,强化推荐生成的可信度,同时提高推荐结果的准确性。(4)设计基于二分的聚类算法,通过对用户兴趣模型聚类,降低相似性计算的计算复杂度,提高系统处理海量数据的可扩展性和效率。(5)利用Random Walk思想设计个性化的排名算法,利用个性化排名算法提高推荐的针对性能力。最后,本文通过设计仿真验证了算法的有效性和可行性,验证整体系统设计能够产生用户信任的、准确的个性化信息。

全文目录


致谢  5-6
中文摘要  6-7
ABSTRACT  7-11
1 引言  11-16
  1.1 研究背景  11-12
  1.2 推荐系统的现状  12-13
  1.3 目的和意义  13-14
  1.4 研究内容和主要工作  14-15
  1.5 论文结构和安排  15-16
2 个性化推荐系统中的用户模型  16-24
  2.1 用户模型分析  16-17
  2.2 用户信息获取  17-19
    2.2.1 用户身份识别  17
    2.2.2 用户信息显式获取  17-18
    2.2.3 用户信息隐式获取  18-19
  2.3 用户模型表示  19-21
    2.3.1 加权关键字模型  19-20
    2.3.2 语义网络模型  20
    2.3.3 加权概念模型  20-21
  2.4 用户模型建立  21-23
    2.4.1 关键词模型建立  22
    2.4.2 概念网络模型建立  22-23
    2.4.3 加权概念模型建立  23
  2.5 小结  23-24
3 个性化推荐技术概述  24-34
  3.1 基于内容的推荐技术  25-28
    3.1.1 基于相似的方法  25-26
    3.1.2 基于概率的方法  26-27
    3.1.3 基于内容推荐算法的缺点  27-28
  3.2 基于协同过滤的推荐技术  28-33
    3.2.1 基于用户的协同过滤  29-31
    3.2.2 基于项目的协同过滤方法  31-32
    3.2.3 基于模型的推荐方法  32
    3.2.4 协同过滤方法的缺点  32-33
  3.3 混合推荐系统  33
  3.4 本章小结  33-34
4 个性化推荐系统设计  34-55
  4.1 基于概念网络的资源表示方法  35-40
    4.1.1 系统资源表示结构  35
    4.1.2 项目表示方法  35-36
    4.1.3 关键词选取方法  36-38
    4.1.4 增强词发现算法  38
    4.1.5 基于访问模式的概念网络模型  38-40
  4.2 基于用户记忆的兴趣模型  40-43
  4.3 信任增强的协同过滤技术  43-50
    4.3.1 信任度计算方法  43-45
    4.3.2 用户模型聚类算法  45-47
    4.3.3 基于协同过滤的用户兴趣扩展算法  47-50
  4.4 个性化信息生成  50-54
    4.4.1 推荐生成  50
    4.4.2 个性化排名  50-53
    4.4.3 用户与系统交互过程  53-54
  4.5 本章小结  54-55
5 实验结果分析  55-62
  5.1 实验数据集  55
  5.2 评价准则  55-57
    5.2.1 预测精准度评测  55-56
    5.2.2 分类精确度准则  56-57
  5.3 实验设计和分析  57-61
    5.3.1 用户模型对推荐结果的影响  57-58
    5.3.2 聚类准确度  58-60
    5.3.3 信任值分布情况  60
    5.3.4 系统推荐准确度  60-61
  5.4 本章小结  61-62
6 结论  62-64
  6.1 总结  62-63
  6.2 未来工作展望  63-64
参考文献  64-67
作者简历  67-69
学位论文数据集  69

相似论文

  1. 基于论文关键词聚类的用户兴趣模型细化方法研究,TP391.3
  2. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  3. 基于自然遗忘的个性化推荐算法研究,TP311.52
  4. 基于大众标注的个性化推荐系统研究,TP393.09
  5. 协同过滤推荐系统中关键问题研究与实现,TP311.52
  6. 能力导向终身学习个性化推荐系统学习者模型构建,G720
  7. 面向终身学习的能力导向个性化推荐系统中资源的建设与共享机制研究,G720
  8. 面向电子商务的Web数据挖掘应用研究,TP311.13
  9. 改进的协同过滤算法在推荐系统中的研究,TP391.3
  10. 利他行为的研究,C912.3
  11. 面向用户偏好的MADM方法在个性化推荐中的应用,G353.1
  12. 政府公众信任度模型研究,D630
  13. 电子商务个性化推荐系统的研究,F713.36
  14. 终身学习个性化推荐系统中学习者个人能力发展研究,G77
  15. Web数据挖掘在网上书店个性化推荐系统中的应用研究,TP391.3
  16. 基于协同过滤的酒店推荐系统研究与实现,TP391.3
  17. 面向服务类型的电子商务信任模型研究,TP393.08
  18. 无线传感器网络定位及目标跟踪的研究,TN929.5
  19. 基于协同过滤的电子商务个性化推荐系统的研究与实现,TP311.52
  20. 基于Petri网的推荐系统的研究与分析,TP391.3
  21. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络应用程序
© 2012 www.xueweilunwen.com