学位论文 > 优秀研究生学位论文题录展示

社区发现视角下的协同过滤推荐技术研究

作　者: 盖岩
导　师: 侯强
学　校: 沈阳工业大学
专　业: 管理科学与工程
关键词: 个性化推荐技术 协同过滤算法 复杂网络 社区发现
分类号: TP391.3
类　型: 硕士论文
年　份: 2012年
下　载: 40次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着Internet的普及，网站上的信息数量呈指数趋势增长，用户很难从信息海洋中发现自己所需要的信息，“信息爆炸”问题日益严重。为了给用户提供个性化的信息服务，个性化推荐系统应运而生。协同过滤推荐技术应用的最为成功和广泛，但是由于推荐原理的限制，协同过滤推荐存在着稀疏性、冷启动、可拓展性和实时性推荐等问题，这些问题的存在影响了协同过滤推荐的精确度和效率，进而影响了协同过滤推荐系统的发展。本文引入复杂网络社区发现理论，将社区发现算法与协同过滤推荐算法进行有机结合，把用户-项目二分网映射到用户网络，在用户网络中进行社区划分，基于社区应用协同过滤推荐算法。本文提出的基于社区发现的协同过滤算法能够解决新用户问题和拓展性问题，并且能极大地提升了推荐效率，满足了推荐的实时性要求。本文的主要研究内容如下。首先，对随机游走社区发现算法进行改进，主要体现在对节点距离以及社区距离的重新构造上，用有效转移概率替代t步转移概率，避免了随机步t取值的不同对节点距离以及社区距离的影响，增强了算法的鲁棒性和稳定性。其次，提出多标签传播的重叠社区发现算法。对标签传播算法进行延伸，使得每个节点具有多个标签，保留所有节点更新的标签，并将其存储起来，每个节点都存在更新标签的记忆空间。当算法终止时，基于标签的后处理得到重叠社区结构。最后，提出基于社区发现的协同过滤算法。将改进的随机游走社区发现算法和多标签传播的重叠社区发现算法与基于Pearson相似度的协同过滤算法分别进行有机结合。以电影推荐系统MovieLens数据集为实验数据，实验结果表明基于社区发现的协同过滤算法的推荐效率明显优于基于Pearson相似度的协同过滤算法，推荐精确度比原始算法略有下降。

全文目录


摘要  5-6
Abstract  6-11
第一章 绪论  11-19
  1.1 研究背景与意义  11-13
    1.1.1 研究背景  11-12
    1.1.2 研究意义  12-13
  1.2 国内外研究现状  13-16
    1.2.1 复杂网络社区发现研究现状  13-15
    1.2.2 个性化推荐技术研究现状  15-16
  1.3 研究内容以及研究方法  16-17
  1.4 本文创新点  17-19
第二章 相关概念及理论  19-30
  2.1 个性化推荐技术  19-21
    2.1.1 基于内容的推荐技术  19-20
    2.1.2 关联规则推荐技术  20-21
  2.2 协同过滤推荐技术  21-26
    2.2.1 协同过滤算法步骤  21-23
    2.2.2 协同过滤算法分类  23-25
    2.2.3 协同过滤算法面临的主要挑战  25-26
  2.3 复杂网络社区理论  26-30
    2.3.1 复杂网络社区结构  26-27
    2.3.2 一般社区发现算法  27-28
    2.3.3 重叠社区发现算法  28-30
第三章 基于随机游走的社区发现  30-39
  3.1 随机游走算法  30-31
  3.2 改进的随机游走社区发现算法  31-36
    3.2.1 算法思想  31-32
    3.2.2 相关概念  32-35
    3.2.3 算法流程  35
    3.2.4 算法的时间复杂度  35-36
  3.3 算法测试与分析  36-39
    3.3.1 Zachary 空手道俱乐部成员关系网络测试  36-37
    3.3.2 海豚家族关系网络测试  37-39
第四章 基于标签传播的重叠社区发现  39-47
  4.1 标签传播算法  39-42
    4.1.1 算法思想  39-41
    4.1.2 算法流程  41
    4.1.3 算法的时间复杂度  41-42
  4.2 多标签传播的重叠社区发现算法  42-44
    4.2.1 算法思想  42-43
    4.2.2 算法流程  43-44
    4.2.3 算法的时间复杂度  44
  4.3 算法测试与分析  44-47
    4.3.1 Zachary 空手道俱乐部成员关系网络测试  44-45
    4.3.2 海豚家族关系网络测试  45-47
第五章 基于社区发现的协同过滤算法  47-53
  5.1 社会网络构建  47-49
  5.2 社会网络社区发现  49
  5.3 协同过滤推荐  49-53
    5.3.1 建立最近邻候选集  49-50
    5.3.2 搜索最近邻用户  50-51
    5.3.3 产生推荐  51-53
第六章 推荐性能实验测试  53-62
  6.1 实验数据集  53
  6.2 评价指标  53-54
  6.3 实验设计  54-55
  6.4 实验结果与分析  55-62
    6.4.1 基于随机游走社区发现的实验  55-59
    6.4.2 基于标签传播重叠社区发现的实验  59-62
第七章 结论与展望  62-64
  7.1 结论  62-63
  7.2 研究展望  63-64
参考文献  64-66
附录A 部分程序代码  66-73
在学研究成果  73-74
致谢  74

相似论文

  1. 复杂网络的建模分析及其应用,O157.5
  2. 基于复杂网络特征的SNS社交网站传播特征研究,G206
  3. 基于相似度传播聚类算法的地标路由算法研究,TP393.02
  4. 混合重叠社区发现研究及应用,D669.3
  5. 复杂性制造供应链管理机制建模与应用研究,F224
  6. 大规模软件中社区结构的发现与研究,TP311.52
  7. 基于FCA的社区发现算法,TP301.6
  8. 改进的协同过滤算法在推荐系统中的研究,TP391.3
  9. 复杂网络社团结构探测研究,O157.5
  10. 理想n-深度派系网络模型及其在公交网络中的应用研究,U491.17
  11. 复杂网络上计算机病毒传播研究,TP393.08
  12. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
  13. 改进的聚类挖掘算法对网络自助出版“长尾”文本的推荐应用,TP311.13
  14. 基于复杂网络的林业应用系统功能结构模型研究,S757.1
  15. 动态推荐技术的研究及在个性化电子警务中的应用,D631.1
  16. 高斯混合模型及在探测网络社区结构中的应用,TP393.094
  17. 人机交互学发展的科学计量研究,G301
  18. 个性化推荐技术在网络教学中的应用研究,TP391.3
  19. 结构相似度及其在推荐系统中的应用研究,TP391.3
  20. 基于车辆出行特征的交通网络评价方法研究,U491.13
  21. 乌鲁木齐市公交网络结构特性分析研究,U491.17

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 > 信息处理（信息加工） > 检索机
© 2012 www.xueweilunwen.com