学位论文 > 优秀研究生学位论文题录展示

结构相似度及其在推荐系统中的应用研究

作　者: 陈勇
导　师: 尚明生
学　校: 电子科技大学
专　业: 计算机软件与理论
关键词: 个性化推荐 复杂网络 协同过滤 结构相似度
分类号: TP391.3
类　型: 硕士论文
年　份: 2011年
下　载: 187次
引　用: 0次
阅　读: 论文下载
 

内容摘要


互联网技术和电子商务的迅猛发展已经将我们带入信息爆炸时代,用户可获取的信息量的急增使得人们生活和选择日益多元化,但是与此同时,也带来了信息过载的问题。海量数据的同时呈现,一方面造成用户很难获取到自己感兴趣的信息,另一方面也使得大量少人问津的信息被淹没。在这种情况下,个性化推荐系统应运而生。个性化推荐系统的宗旨是在海量数据中直接为用户提供符合其兴趣爱好的内容与信息,其本质即是信息过滤。尤其是在电子商务领域,个性化推荐服务占据着极其重要的地位。而协同过滤系统是目前应用最为广泛的个性化推荐系统,它可以根据用户的历史信息对其未来的兴趣和爱好进行有效的预测和推荐。其中,协同过滤系统的核心问题是如何度量用户与用户之间的相似度。本文的主要任务即是对推荐系统中各种用户间相似度计算算法进行研究和分析,以达到最大限度的提高推荐效果的目的。论文的主要工作如下:第一,对个性化推荐系统进行了较深入的研究,详细分析了各种个性化推荐技术的内容、应用范围及现状,并重点研究了协同过滤推荐这一应用最为广泛的推荐系统。并对数据挖掘、复杂网络以及链路预测等相关技术基础进行了介绍。第二,文章在将传统的基于打分信息的余弦相似度和Pearson相关系数应用于推荐系统的基础上,将六种基于结构的相似度算法引入到推荐系统中。基于结构的相似度算法是利用网络结构中节点个体以及节点与节点之间的链接来分析计算用户与用户之间或项目与项目之间的相似性关系。同时针对这两种类型的相似度算法,文章从不同的角度进行了多组推荐实验,分析比较二者的推荐效果。第三,在基于打分信息以及网络结构这两种类型的相似度算法的基础上,论文提出一种新的基于结构的相似度计算方法,其同时融合了网络结构分析与用户对项目打分信息这两个因素,从而有效的避免了这两类相似度算法各自的局限性。最后,文章通过大量的实验数据结果验证了这种新的基于结构的相似度算法能够比较有效的提高个性化推荐系统的质量和效果。

全文目录


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. 基于论文关键词聚类的用户兴趣模型细化方法研究,TP391.3
  4. 基于相似度传播聚类算法的地标路由算法研究,TP393.02
  5. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  6. 基于自然遗忘的个性化推荐算法研究,TP311.52
  7. 基于大众标注的个性化推荐系统研究,TP393.09
  8. 协同过滤推荐系统中关键问题研究与实现,TP311.52
  9. 复杂性制造供应链管理机制建模与应用研究,F224
  10. 能力导向终身学习个性化推荐系统学习者模型构建,G720
  11. 面向终身学习的能力导向个性化推荐系统中资源的建设与共享机制研究,G720
  12. 面向电子商务的Web数据挖掘应用研究,TP311.13
  13. 改进的协同过滤算法在推荐系统中的研究,TP391.3
  14. 复杂网络社团结构探测研究,O157.5
  15. 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
  16. 面向用户偏好的MADM方法在个性化推荐中的应用,G353.1
  17. 电子商务个性化推荐系统的研究,F713.36
  18. 网络稳定性研究,O157.5
  19. 终身学习个性化推荐系统中学习者个人能力发展研究,G77
  20. 基于协同过滤的电子商务个性化推荐系统的研究与实现,TP311.52
  21. 基于蚁群算法的移动商务个性化推荐体系研究,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 > 信息处理（信息加工） > 检索机
© 2012 www.xueweilunwen.com