学位论文 > 优秀研究生学位论文题录展示

基于Agent的推荐技术的研究与应用

作　者: 孙超
导　师: 蒋波
学　校: 大连海事大学
专　业: 计算机科学与技术
关键词: Agent 推荐系统 协同过滤技术 艾宾浩斯 正态遗忘函数
分类号: TP18
类　型: 硕士论文
年　份: 2009年
下　载: 108次
引　用: 2次
阅　读: 论文下载
 

内容摘要


随着信息科技的进步和互联网的日益普及,人们通过Inernet足不出户就可以享受网络服务带来的便利,同时人们也承担着“信息过载”的压力,如何快捷准确地提供满足用户需要的信息,已成为学者广泛关注的问题。推荐技术的出现为解决此问题提供了一个较好的解决方案,推荐技术通过推荐算法预测用户的兴趣,推荐用户可能喜欢的资源,过滤掉用户可能不喜欢的资源,使网站的商品、新闻、广告等能够最大程度的向特定的用户推广。推荐技术改变了人们获取信息的方式,从主动检索到被动接受,用户也能通过网站的推荐快速有效的找到自己喜欢的资源,最终提高用户对网站的满意度和忠诚度。人们的兴趣随时间的推移而变化,人们的记忆随时间的推移而遗忘,传统的推荐技术无法反映时间推移对用户兴趣变化影响和记忆遗忘的用户浏览行为的影响。本文以传统的协同过滤技术和艾宾浩斯记忆遗忘理论为基础,提出采用时间加权的方法对用户的时间访问序列进行分析,通过线性遗忘函数和正态遗忘函数来反映用户兴趣的变化,预测用户兴趣,产生推荐结果。改进后的推荐算法不但能够反映时间推移对用户兴趣的变化的影响,而且能够根据用户记忆的遗忘程度向用户有计划地有规律地推荐信息,以达到加深用户记忆,满足用户需求的目的。Agent能够自动感知周围环境的变化,并自主做出反应,影响周围的环境。本文将Agent技术应用在信息推荐领域,辅助推荐系统实现数据智能收集、分析、处理和推荐。在具有Agent运行环境的网络节点上,移动Agent能够携带运行所需的程序代码和运行状态自由地迁徙,在网络中主动寻找空闲的主机,然后迁徙到该主机上执行推荐计算,从而节省了网络带宽和提高了网络上主机的资源利用率。最后,文章提出了基于Agent的推荐系统的结构模型,论述Agent在推荐系统中的工作流程和通信机制,并实现了基于Agent的推荐系统原型和对改进后的推荐算法进行验证和分析。

全文目录


摘要  5-6
Abstract  6-10
第1章 绪论  10-15
  1.1 研究背景与意义  10-11
  1.2 国内外研究现状  11-13
  1.3 研究内容  13-14
  1.4 论文的组织结构  14-15
第2章 推荐系统及其关键技术  15-28
  2.1 推荐技术概述  15-18
    2.1.1 推荐系统的概念  15
    2.1.2 推荐系统的相关技术研究  15-18
  2.2 协同过滤技术  18-28
    2.2.1 基于用户的协同过滤技术  18-22
    2.2.2 基于项的协同过虑技术  22-24
    2.2.3 Slope One协同过滤技术  24-26
    2.2.4 协同过滤技术的优缺点分析  26-28
第3章 Agent技术及其在推荐系统中的应用  28-39
  3.1 Agent技术的概念与特征  28-29
  3.2 移动Agent技术  29-39
    3.2.1 移动Agent的概念和特点  29-30
    3.2.2 移动Agent系统的结构  30-32
    3.2.3 移动Agent的关键技术与方法  32-34
    3.2.4 移动Agent的安全性  34-35
    3.2.5 Aglet移动平台及其特点  35-38
    3.2.6 移动Agent在推荐系统中的应用  38-39
第4章 推荐系统的设计及其推荐算法的改进  39-54
  4.1 基于Agent的推荐系统的设计  39-44
    4.1.1 基于Agent的推荐系统的系统结构  39-40
    4.1.2 Agent在推荐系统中的工作流程  40-42
    4.1.3 Agent在推荐系统中的角色与优势  42-44
  4.2 推荐算法的改进  44-54
    4.2.1 时间变化对用户兴趣的影响  44-46
    4.2.2 艾宾浩斯遗忘曲线  46-47
    4.2.3 基于记忆遗忘规律的推荐算法  47-54
第5章 系统实现与实现结果分析  54-75
  5.1 实验环境  54-55
    5.1.1 实验数据  54
    5.1.2 推荐系统  54-55
  5.2 系统功能模块的实现  55-67
    5.2.1 数据库设计  55-56
    5.2.2 用户界面设计  56-58
    5.2.3 Servlet与Agent的通信  58-63
    5.2.4 推荐Agent的迁徙和推荐  63-65
    5.2.5 推荐计算中的遗忘函数  65-67
  5.3 实验结果分析  67-72
  5.4 运行时间分析  72
  5.5 算法的优缺点分析  72-75
第6章 总结与展望  75-78
  6.1 论文工作总结  75-76
  6.2 进一步的研究工作  76-78
参考文献  78-81
攻读学位期间公开发表论文情况  81-82
致谢  82-83
研究生履历  83

相似论文

  1. 基于移动Agent的分布式网络通信机制的研究,TP393.02
  2. 基于自然遗忘的个性化推荐算法研究,TP311.52
  3. 多Agent方法在分布式智能电网发电调度系统中的应用研究,TM76;TM73
  4. 基于Agent的无线传感器网络自组织演化机制研究,TN929.5
  5. 基于策略Agent的个性化信息检索系统的研究与实现,TP391.3
  6. 基于Jade的多Agent图像检索系统,TP391.3
  7. Web挖掘技术在电子商务推荐系统中的研究与应用,TP391.3
  8. 社会化网络中的推荐算法及其应用,TP391.3
  9. 基于本体多Agent系统的交易伙伴智能发现相关技术研究,F713.36
  10. 个性化医疗信息推荐系统的研究与实现,R319
  11. 车间生产调度中基于聚类的虚拟联盟协商机制,TP301.6
  12. 基于信息素和多Agent协商的柔性路径下跨单元调度方法,TP18
  13. 基于GPU的图书推荐系统研究与实现,TP391.3
  14. 基于Agent的旅游信息服务系统构建技术研究,TP393.09
  15. Agent增强型工作流技术在医院办公自动化中的应用研究,TP317.1
  16. 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
  17. 云计算环境下的软件动态部署,TP311.52
  18. 基于社会网络和声誉信任机制的多Agent系统信任模型,TP393.08
  19. 基于社会标签系统的推荐技术研究,TP391.3
  20. 基于Agent元搜索引擎的个性化研究,TP391.3
  21. 基于Agent的智能网络考试系统的设计与实现,TP311.52

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com