学位论文 > 优秀研究生学位论文题录展示

基于协同过滤的主动推荐系统关键技术研究

作　者: 王冉冉
导　师: 黄青松
学　校: 昆明理工大学
专　业: 计算机应用技术
关键词: 协同过滤推荐系统相似性计算评分数据基于角色的访控模型
分类号: TP311.52
类　型: 硕士论文
年　份: 2008年
下　载: 82次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息社会的到来,我们所需要的信息已经越来越依赖于因特网,但是,网上信息的迅速增长已经远远超出我们能够准确辨识的能力范围。如果我们想在网上找一些自己需要的信息,那么通过传统的检索系统或搜索引擎所获得的大量相关信息往往并不是我们所需要的,或者根本就是徒劳无获,也就是出现了所谓的“信息过载”和“信息迷向”现象。为了克服这种信息获取的困难,推荐系统也就应运而生,它帮助我们从“信息迷向”中走出来,从众多相关信息中找出对我们而言最有价值的部分。推荐系统中最常见的,也是最常采用的两种信息过滤技术就是协同过滤和基于内容的过滤。前者主要考虑和用户兴趣相类似的其他用户对某个信息项的喜好,并由此判断用户对此信息项是否感兴趣以决定是否推荐；后者主要考虑信息项本身的内容是否和用户兴趣相关,并计算这两者的相似度作为是否推荐的依据。虽然这两种过滤技术无论在理论上还是在实践上都很成功,在信息检索和电子商务领域也都得到有效应用,但还是各有不足。对于协同过滤来说,稀疏性、可信度和随着规模增长而带来计算复杂度的几何增长是其面临的主要问题；而对于基于内容的过滤来说,内容特征提取能力有限、无法推荐更多更新的信息资源和需要过多的用户反馈是其主要的缺点。本文中,将主要讨论如何在云南省大型科学仪器共用网上对客户进行仪器设备的推荐,同时对系统中的用户权限管理作相关设计实现。通过对不同推荐技术和用户权限管理的研究,论文采用基于协同过滤的推荐技术和基于RBAC的用户权限管理模型,不仅完成了整个平台设计的部分内容,同时针对协同过滤技术存在的主要问题做了相对应的改进,在一定程度上克服了数据稀疏性带来的不利影响,提高了推荐的可信度。

全文目录

摘要  3-4
Abstract  4-10
第一章绪言  10-14
  1.1 论文研究背景  10
  1.2 论文研究现状  10-11
  1.3 论文主要研究内容  11-12
  1.4 论文结构  12
  1.5 论文创新点  12-13
  1.6 本章小结  13-14
第二章云南省大型科学仪器共用网(YNSISS)简介  14-22
  2.1 YNSISS研究开发目标  14
  2.2 YNSISS功能结构及软件体系结构  14-18
    2.2.1 YNSISS的功能结构  14-17
    2.2.2 YNSISS的网络结构  17
    2.2.3 YNSISS的软件体系结构  17-18
  2.3 本论文涉及平台的内容  18-20
    2.3.1 推荐系统的提出  18
    2.3.2 推荐系统的概念及作用  18-19
    2.3.3 个性化信息推荐服务  19-20
  2.4 用户权限管理  20-21
    2.4.1 用户权限管理的提出  20
    2.4.2 用户权限管理的分类  20-21
  2.5 本章小结  21-22
第三章相关技术标准  22-27
  3.1 基于J2EE的平台技术概述  22
  3.2 基于MVC模型的STRUTS框架  22-26
  3.3 本章小结  26-27
第四章推荐系统相关技术研究  27-40
  4.1 推荐系统研究的主要内容  27
  4.2 推荐系统面临的主要挑战  27-29
    4.2.1 推荐系统存在的问题  27-28
    4.2.2 问题原因  28
    4.2.3 解决办法  28-29
  4.3 推荐系统的分类  29
  4.4 推荐系统的工作流程  29-30
  4.5 推荐系统相关技术和算法  30-39
    4.5.1 Bayesian网络技术  30
    4.5.2 Horting图技术  30
    4.5.3 基于聚类的推荐系统算法  30-31
    4.5.4 基于关联规则的推荐系统算法  31-32
    4.5.5 基于Web数据挖掘的推荐系统算法  32-33
    4.5.6 基于协同过滤的主动推荐算法  33-39
      4.5.6.1 协同过滤技术的概念  33-34
      4.5.6.2 协同过滤技术的发展历程  34-35
      4.5.6.3 协同过滤的优点与面临的问题  35-36
      4.5.6.4 协同过滤算法  36-39
  4.6 本章小结  39-40
第五章 YNSISS用户权限管理的设计与实现  40-52
  5.1 YNSISS用户权限管理子模块  40-45
    5.1.1 基于RBAC模型的用户权限管理  40-41
    5.1.2 YNSISS中用户权限管理子模块功能结构  41-42
    5.1.3 YNSISS中用户权限管理子模块设计  42-45
  5.2 YNSISS用户权限管理子模块实现  45-51
    5.2.1 用户角色级别信息修改  46-48
    5.2.2 角色级别权限管理  48-51
  5.3 本章小结  51-52
第六章 YNSISS资源推荐系统的设计  52-59
  6.1 YNSISS资源推荐系统的功能结构  52-53
  6.2 YNSISS资源推荐系统的设计  53-58
    6.2.1 获取评价信息  53-55
      6.2.1.1 用户评价信息的获取方式  53-54
      6.2.1.2 YNSISS资源评价信息的获取  54-55
    6.2.2 信息预处理  55-56
    6.2.3 相似度计算并确定近邻  56-57
      6.2.3.1 pearson相关系数法  56-57
      6.2.3.2 余弦相似性算法  57
    6.2.4 显示结果  57-58
  6.3 本章小结  58-59
第七章 YNSISS资源推荐系统的实现  59-70
  7.1 YNSISS资源推荐系统的开发流程  59-60
  7.2 YNSISS资源推荐系统的数据结构  60-62
  7.3 YNSISS资源推荐系统的实现  62-69
    7.3.1 系统时序图和活动图  62-64
      7.3.1.1 时序图  62-63
      7.3.1.2 活动图  63-64
    7.3.2 获取信息  64-66
    7.3.3 信息预处理并形成推荐  66-68
    7.3.4 显示结果  68-69
  7.4 本章小结  69-70
第八章总结与展望  70-72
  8.1 工作总结  70
  8.2 工作展望  70-72
致谢  72-73
参考文献  73-76
附录A 攻读学位期间发表论文情况  76-77
附录B 攻读学位期间参与完成的科研成果  77

基于协同过滤的主动推荐系统关键技术研究

内容摘要

全文目录

相似论文