学位论文 > 优秀研究生学位论文题录展示

基于二分网络的个性化推荐系统研究

作 者: 韩腾跃
导 师: 邱天
学 校: 南昌航空大学
专 业: 控制工程
关键词: 个性化推荐 信息过载 二分网络 初始资源配置
分类号: TP391.3
类 型: 硕士论文
年 份: 2013年
下 载: 58次
引 用: 0次
阅 读: 论文下载
 

内容摘要


随着英特网的迅猛发展和Web2.0技术的广泛应用,电子商务网站和社交平台给我们带来了海量的信息,但是面对如此大量的信息,我们很难找到自己需要的内容,于是个性化推荐系统已经成为英特网时代不可或缺的部分。个性化推荐系统是一个可以用来解决信息过载问题的有效工具,它无需用户介入就能够预测用户的兴趣爱好,具有较强的自学能力和实时能力。进入21世纪以来,随着电子商务的发展,个性化推荐技术取得了飞速的发展和广泛的应用前景。目前个性化推荐系统在社交网络、电子商务、视频、新闻、电影、音乐等各种类型的web站点取得了广泛的应用。近年来,人们对复杂网络的研究方兴未艾,二分网络作为复杂网络中的一种重要的网络表现形式,具有一定的普遍性。本文深入研究了基于用户-产品二分网络的推荐算法,主要考察了产品的初始资源对推荐算法的影响,研究结果表明改变初始配额能够同时提高推荐结果的准确性和多样性。我们根据每个产品的度,将初始资源不均匀地分配给各个产品,称之为非均匀初始资源配置的偏热传导算法。实验结果表明提出的算法不仅比标准热传导算法的推荐准确性提高47.33%,而且比准确的物质扩散算法提高24.04%。非均匀初始资源配置的偏热传导算法与性能较好的热传导与物质扩散混合算法、偏热传导算法相比较,非均匀初始资源配置的偏热传导算法的多种指标都有所提高。此外,在热传导与物质扩散的混合算法中,不同的推荐产品之间可能存在着某种共同属性,这种特定的属性引起的相关性会被重复计算。本文考虑了二阶的相关性,设计了两种改进的算法,可以在一定程度上消除冗余的相关性。其中一种方法是从物质扩散角度进行去除二阶冗余关联,另一种方法是从热传导角度去除二阶冗余关联。我们的实验结果表明,两种方法都能够较好地去除二阶关联带来的冗余,并因此能够进一步提高推荐的准确度。

全文目录


摘要  4-5
Abstract  5-9
第1章 绪论  9-15
  1.1 个性化推荐系统的应用及研究意义  9-10
  1.2 个性化推荐系统的研究进展  10-12
  1.3 个性化推荐技术面临的问题  12-13
  1.4 论文组织结构  13-15
第2章 传统推荐系统及评估指标  15-24
  2.1 协同过滤推荐系统  15-17
    2.1.1 协同过滤系统的分类和优缺点  15-16
    2.1.2 基于用户相似性的协同过滤推荐系统  16-17
  2.2 基于内容的推荐系统  17-19
    2.2.1 工作原理  18-19
    2.2.2 基于内容推荐的优缺点  19
  2.3 评估指标  19-23
    2.3.1 推荐准确性  20-21
    2.3.2 推荐多样性  21-22
    2.3.3 推荐新颖性  22-23
  2.4 本章小结  23-24
第3章 基于二分网络结构的推荐算法  24-42
  3.1 二部网络概述  24-28
    3.1.1 二分网络的投影分析  24-27
    3.1.2 二分网络的直接分析  27-28
  3.2 基于二部分图协同过滤的推荐算法  28-32
    3.2.1 工作原理  28-29
    3.2.2 性能评估  29-32
  3.3 基于二部分图资源分配的推荐算法  32-41
    3.3.1 物质扩散推荐算法  32-35
    3.3.2 热传导推荐算法  35-37
    3.3.3 热传导和物质扩散的混合推荐算法  37-38
    3.3.4 性能评估  38-41
  3.4 本章小结  41-42
第4章 非均匀初始资源配置的偏热传导推荐算法  42-52
  4.1 非均匀初始资源配置的物质扩散推荐算法  42-44
  4.2 偏热传导算法  44-45
  4.3 非均匀初始资源配置的偏热传导算法  45-51
    4.3.1 算法流程  45-47
    4.3.2 实验结果及分析  47-51
  4.4 本章小结  51-52
第5章 去除重复属性的混合推荐算法  52-63
  5.1 重复属性概述  52-55
  5.2 去除重复属性的偏物质扩散混合推荐算法  55-59
    5.2.1 算法流程  55-57
    5.2.2 实验结果及分析  57-59
  5.3 去除重复属性的偏热传导混合推荐算法  59-61
    5.3.1 宏观实验结果及分析  60-61
    5.3.2 微观实验结果及分析  61
  5.4 本章小结  61-63
第6章 总结与展望  63-65
  6.1 本文的工作总结  63
  6.2 未来工作展望  63-65
参考文献  65-69
发表学术论文情况  69-70
致谢  70-71

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. 终身学习个性化推荐系统中学习者个人能力发展研究,G77
  4. 基于Web日志挖掘的个性化推荐系统研究,TP311.13
  5. 网络推荐系统的营销研究,F49
  6. E-Learning个性化推荐系统研究,TP319
  7. Web使用挖掘中的会话聚类研究,TP311.13
  8. 基于多Agent的个性化推荐系统研究,TP311.52
  9. 基于用户行为的电子商务推荐系统的设计与研究,TP311.52
  10. 基于主题挖掘和时间窗口划分的兴趣推荐技术研究,TP393.09
  11. 路网环境下道路交通标志优化设计方法,U491.52
  12. 基于匿名用户使用挖掘的个性化信息推荐研究,TP393.09
  13. Web日志挖掘在网站个性化服务中的应用研究,TP393.092
  14. 移动环境下的个性化推荐用户兴趣建模研究,TP311.52
  15. 面向个性化推荐的电信产品建模,F224
  16. 协同过滤推荐模型及其在汽车电子商务中的应用研究,F416.471;F224
  17. 基于JADE平台的信息代理的研究及实现,TP393.09
  18. 基于案例推理的科技文献推荐系统研究,TP319
  19. 协同过滤在电子商务推荐系统中的应用研究,TP319
  20. 基于WEB日志挖掘的远程教育系统研究,TP319
  21. 移动网络中个性化新闻推荐服务系统的设计和实现,TP311.52

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