学位论文 > 优秀研究生学位论文题录展示
基于协同过滤的用户兴趣发现
作 者: 伍倩
导 师: 唐飞龙
学 校: 上海交通大学
专 业: 计算机软件与理论
关键词: 协同过滤 兴趣挖掘 多样化 推荐列表
分类号: TP391.3
类 型: 硕士论文
年 份: 2012年
下 载: 98次
引 用: 0次
阅 读: 论文下载
内容摘要
随着电子商务的蓬勃发展,商品的种类和数量出现爆炸增长的状态。随之产生的一个问题是,顾客需要浏览大量无关的内容才能找到自己需要的信息。于是,如何帮助顾客在短时间内找到想要的信息成为各个商务网站最为关心的问题,也促使推荐系统成为工业界和学术界的热点。推荐系统旨在为用户提供个性化的信息服务。到目前为止,几乎所有的商务网站已应用推荐系统,在信息过载的情况下为顾客提供个性化推荐,使其享受更好的用户体验。协同过滤是推荐系统领域最重要的技术之一。目前对于协同过滤的研究主要集中在如何提高推荐的准确性。然而,除了准确性,大多数用户对于推荐列表有着更大的期望,帮助用户发现更多潜在的兴趣也是至关重要的。现有的推荐系统没有解决这个问题。本文主要研究如何帮助用户发现潜在的兴趣,从而为其提供更好的推荐服务。本文的研究内容与创新性工作主要体现在以下几个方面:(1)发现并验证现有的Top-N选择算法在挖掘用户兴趣方面存在的问题;(2)提出并验证了类别增益Top-N选择算法;(3)提出并验证了基于采样的Top-N选择算法,该算法克服了类别增益Top-N选择算法的局限性,通过两个参数α和β来分别控制预测评分高的项目被采样到的概率以及每个类别被平均采样的概率。通过适当地设置α和β的值,可以实现用户喜爱程度与推荐列表多样化程度之间的平衡,因此,可以在保证推荐列表质量的情况下,帮助用户发现潜在的兴趣;(4)提出了两个新的评测标准:平均预测分数和类别覆盖率。本文的主要工作是研究帮助用户发现兴趣,并提出了两个有效的算法框架。这项工作有着重要的意义:可以这样说,推荐系统的本质是推荐给用户他感兴趣的内容,而我们的工作更进一步,即帮助用户发现更多的兴趣,这样就可以更清楚地知道用户的喜好,从而提供更加个性化的推荐。
|
全文目录
摘要 3-4 ABSTRACT 4-8 表格索引 8-9 插图索引 9-11 第一章 绪论 11-25 1.1 研究背景 11-14 1.2 协同过滤的方法 14-18 1.2.1 基于用户的协同过滤 15-16 1.2.2 基于项目的协同过滤 16-17 1.2.3 基于模型的协同过滤 17 1.2.4 协同过滤的优点 17 1.2.5 协同过滤的缺点 17-18 1.3 帮助用户发现兴趣的必要性和挑战 18-21 1.4 论文的研究内容与贡献 21-22 1.5 论文组织结构 22 1.6 本章小结 22-25 第二章 国内外研究现状 25-33 2.1 推荐系统的意义及相关工作 25-28 2.2 协同过滤的相关工作 28-30 2.3 推荐系统的新特性 30-31 2.4 评测推荐系统的指标 31-32 2.5 本章小结 32-33 第三章 类别增益Top-N 选择算法 33-47 3.1 评测标准 33 3.2 传统Top-N 选择算法的问题 33-40 3.2.1 MovieLens 数据集 35 3.2.2 问题发现与讨论 35-40 3.3 类别增益Top-N 选择算法 40-42 3.4 实验与讨论 42-44 3.5 本章小结 44-47 第四章 基于采样的Top-N 选择算法 47-63 4.1 基于采样的Top-N 选择算法 47-52 4.1.1 候选项目选择 47-48 4.1.2 基于采样的推荐列表生成 48-52 4.2 案例分析 52-55 4.3 整体评估 55-58 4.4 讨论 58-60 4.5 本章小结 60-63 第五章 基于采样的推荐系统 63-67 5.1 基于采样的推荐系统介绍 63 5.2 基于采样的推荐系统演示 63-65 5.3 本章小结 65-67 第六章 总结与展望 67-69 附录A 参考文献 69-77 附录B 致谢 77-79 附录C 攻读学位期间发表的学术论文目录 79-81 附录D 攻读学位期间参与的项目 81-82 附件 82-84
|
相似论文
- 基于自然遗忘的个性化推荐算法研究,TP311.52
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
- 普通高中特色发展研究,G639.2
- 基于信息型模型的音乐推荐算法,TP391.3
- 基于社会化标签体系的个性化推荐引擎技术研究,TP391.3
- 基于GPU的图书推荐系统研究与实现,TP391.3
- 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
- 产业集聚对城市生产率的影响研究,F224;F299.2
- 基于点击的用户聚类的研究,TP311.13
- 基于用户兴趣和浏览行为的个性化推荐技术研究,TP391.3
- 基于特征向量的个性化推荐算法研究,TP391.3
- 基于语用情境的资源推荐研究及应用,TP391.3
- 安徽省地矿局发展战略研究,F426.1
- 欧美水彩画发展分析,J215
- 大学英语写作教学中反馈方式的实证研究,H319
- 动态推荐技术的研究及在个性化电子警务中的应用,D631.1
- 跨系统个性化服务中隐私保持问题研究,TP393.08
- Agent电子商务推荐系统下协同过滤技术研究,F713.36
- 基于双信息源的协同过滤算法及其应用研究,TP301.6
- 基于AJAX的个性化图书馆信息系统的设计与实现,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
|