学位论文 > 优秀研究生学位论文题录展示
面向个性化推荐系统的自适应算法的研究与实现
作 者: 吴发青
导 师: 贺樑
学 校: 华东师范大学
专 业: 计算机应用技术
关键词: 个性化推荐 协同过滤 用户兴趣模型 相似度计算 自适应推荐
分类号: TP393.09
类 型: 硕士论文
年 份: 2009年
下 载: 234次
引 用: 1次
阅 读: 论文下载
内容摘要
随着Internet和信息技术的飞速发展,日益严重的“信息过载”和“信息迷向”问题助推了个性化推荐系统的蓬勃发展。现有的个性化推荐技术在一定程度上缓解了人们寻找自己喜好信息的压力和开销。本文通过对现有推荐技术尤其是推荐算法的深入分析,揭示了现有推荐算法的特征和局限性——难以满足目前大型推荐系统的高推荐精度和扩展性需求,并进一步归纳了推荐系统框架,说明了现有的推荐技术的瓶颈所在:用户兴趣模型的表示方法不科学以及相应推荐算法的低性能问题。本文接着重点在用户模型和推荐算法两方面提出了改进的方法。用户模型方面提出了利用机器学习算法来建立用户兴趣模型(UAM)的方法和过程。推荐算法方面提出了ICBD相似度计算方法与CFUPS协同推荐算法,分别改善了推荐算法的相似度计算精度和推荐结果的精度。进而,本文基于UAM兴趣模型以及ICBD、CFUPS方法提出了一种自适应推荐算法(ARA)。该算法以目标用户为中心,采用协同过滤的思想,基于UAM兴趣模型,对不同的用户自适应地赋予相应的推荐参数来为目标用户提供其最感兴趣的信息,进行个性化推荐。最后,通过实验分析来验证本文提出的算法的有效性,并且同其他主要推荐算法进行了对比。实验结果表明,本文提出的自适应推荐算法较传统的推荐算法在推荐精度和扩展性方面都有一定的改善。
|
全文目录
摘要 7-8 Abstract 8-12 第一章 引言 12-19 1.1 个性化推荐系统的蓬勃发展 12-16 1.2 推荐算法的现状与瓶颈 16-17 1.3 本文的研究思路 17-18 1.4 论文的结构安排 18-19 第二章 相关推荐技术 19-33 2.1 协同过滤推荐技术 19-29 2.2 其他推荐技术介绍 29-32 2.3 本章小结 32-33 第三章 个性化推荐系统的框架 33-42 3.1 个性化推荐系统框架 33-34 3.2 现有的用户模型及相关推荐算法分析 34-36 3.2.1 推荐系统的用户模型分析 34-36 3.2.2 推荐系统相关推荐算法分析 36 3.3 用户自适应模型(UAM) 36-41 3.3.1 UAM兴趣模型构建 36-41 3.3.1.1 问题阐述 36-37 3.3.1.2 兴趣模型构建 37-41 3.3.2 UAM兴趣模型更新 41 3.4 本章小结 41-42 第四章 ICBD和CFUPS推荐算法 42-52 4.1 改进的City-Block-Distance的相似性计算方法(ICBD) 42-45 4.1.1 现有相似性计算方法的局限性 42-43 4.1.2 ICBD相似性计算方法 43-45 4.2 基于用户兴趣局部相似性的推荐算法(CFUPS) 45-51 4.2.1 现有协作过滤算法的主要不足 45-46 4.2.2 CFUPS推荐算法 46-51 4.2.2.1 用户兴趣局部相似兴趣的挖掘 47-48 4.2.2.2 计算相似性 48 4.2.2.3 用户评分的预测 48-51 4.2.2.4 产生推荐 51 4.3 本章小结 51-52 第五章 基于UAM兴趣模型的自适应推荐算法(ARA) 52-57 5.1 ARA算法架构 52 5.2 ARA算法介绍 52-55 5.2.1 基于自适应权重的用户相似性计算 52-54 5.2.2 近邻用户计算方法 54-55 5.2.3 预测评分 55 5.2.4 产生推荐 55 5.3 本章小结 55-57 第六章 实验分析 57-70 6.1 算法ICBD的性能分析与对比 57-62 6.1.1 数据集 57-58 6.1.2 实验方法 58 6.1.3 评价尺度 58-59 6.1.4 参数优化 59-60 6.1.5 性能对比 60-62 6.2 算法CFUPS的参数分析与性能对比实验 62-66 6.2.1 实验数据集 63 6.2.2 实验方法 63-64 6.2.3 实验结果 64-66 6.3 自适应推荐算法ARA的性能对比实验 66-69 6.3.1 数据集 66-67 6.3.2 实验方法 67 6.3.3 实验结果 67-69 6.4 本章小结 69-70 第七章 结论与展望 70-72 7.1 本文工作总结 70 7.2 工作展望 70-72 附录 72 参考文献 72-74 后记 74 致谢 74
|
相似论文
- 多邮件自动文摘的关键技术研究,TP391.1
- 隐式用户兴趣挖掘的研究与实现,TP311.13
- 基于相似度计算的编程题自动评判方法研究,TP312.1
- Web使用挖掘与网页个性化服务推荐研究,TP311.13
- 基于自然遗忘的个性化推荐算法研究,TP311.52
- Web环境下基于语义模式匹配的实体关系提取方法的研究,TP391.1
- 面向用户偏好的MADM方法在个性化推荐中的应用,G353.1
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
- 基于策略Agent的个性化信息检索系统的研究与实现,TP391.3
- 面向论坛信息文本的有效数据抽取研究,TP391.1
- 基于协同过滤的用户兴趣发现,TP391.3
- 基于信息型模型的音乐推荐算法,TP391.3
- 个性化医疗信息推荐系统的研究与实现,R319
- 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
- 商品热销度分析与展示,TP391.3
- 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
- 基于Agent元搜索引擎的个性化研究,TP391.3
- 面向概念查询的生物医学多文档摘要技术研究,TP391.1
- 基于用户兴趣和浏览行为的个性化推荐技术研究,TP391.3
- 基于本体和SWRL推理的知识检索方法研究,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
|