融合多元关系的推荐系统

发布时间：2020-04-04 06:20

【摘要】：现实世界中存在各种各样的复杂系统,通常我们用复杂网络来描述它们的结构。在多子网复杂网络模型中,子网之间存在一定关系,且每个子网有许多特别的拓扑性质,这些关系和性质决定了复杂系统的功能。推荐系统是从海量信息中提取个性化信息的有效手段。本文针对多子网复杂网络的一种,社交网络,进行推荐算法的改进。通过对预测算法的改善和网络结构的挖掘,更精确的对用户和商品之间的关系进行预测。推荐系统是现代社会处理数据和信息的重要方法,基于矩阵分解的推荐算法可以有效的提高推荐系统性能,但是它会受数据稀疏和冷启动问题的困扰。将多元关系融入到矩阵分解模型中,可以增加信息量,在一定程度上解决数据稀疏和冷启动的问题。基于此,本文从组间效应和多关系网络两个角度,将群组信息和多关系网络信息融入推荐算法,提高了推荐系统的性能。我们将群组信息加入矩阵分解模型中,并将多关系网络信息加入损失函数中,提出了一种融合多元关系的基于矩阵分解的推荐算法。为更快速准确地对评分矩阵进行分解,选择嵌入Back-fitting的交替最小二乘算法求解隐特征,利用最小二乘法估计辅助网络和目标网络之间的回归关系。本文利用YouTube社交网络和Digg数据集进行算法性能的评价,在分析数据的拓扑结构的基础上,选择利用用户友邻分位数进行YouTube数据集的群组划分,Digg数据集上则选择利用历史投票记录和友邻分位数进行群组划分。同时基于mv独立性检验对负例进行采样,解决这两个社交网络只有隐式反馈数据的问题。在YouTube数据集上与GSSVD、基于salton指标的推荐算法进行推荐性能的比较;在Digg数据集上与GSSVD、基于NBI的推荐算法进行比较。实验表明,在top-K的标准下,本文提出的方法相较于其他基线算法,准确率、召回率和F1都更高,有良好的推荐效果。
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：C815

【相似文献】

相关期刊论文 前10条

1 刘强;;推荐系统的商业价值[J];软件和集成电路;2019年04期

2 刘天啸;;大数据背景下新闻推荐系统中的问题以及解决对策[J];科技传播;2019年13期

3 王月星;;国内旅游推荐系统研究进展[J];商场现代化;2017年10期

4 常亮;曹玉婷;孙文平;张伟涛;陈君同;;旅游推荐系统研究综述[J];计算机科学;2017年10期

5 王毅;;网络推荐系统的三大挑战——从用户体验出发[J];清华管理评论;2013年06期

6 王海明;;基于大数据下电子商务商品推荐系统的分析[J];环球市场信息导报;2017年27期

7 ;电商推荐系统进阶[J];IT经理世界;2013年11期

8 王霞;;电子商务推荐系统评述[J];福建电脑;2006年08期

9 傅孟如;姜素兰;闵娅萍;;VAX—11/750机学生测评、推荐系统的设计与应用[J];计算技术与自动化;1989年03期

10 张佳威;;美团推荐系统实证系统[J];农家参谋;2018年11期

相关会议论文 前10条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 高梦晨;;推荐系统用户感知调研[A];工业设计研究（第六辑）[C];2018年

3 李成;胡文丽;;推荐系统体验模型探索——以视频推荐为例[A];工业设计研究（第六辑）[C];2018年

4 李成;冯青青;;推荐系统准确度衡量方案——引入权重概念[A];工业设计研究（第五辑）[C];2017年

5 李曼玉;李雪峰;;科学研究趋势测度路径探索——以推荐系统研究为例[A];第十四届（2019）中国管理学年会论文集[C];2019年

6 王晓光;施玉海;尹亚光;;面向广电的节目推荐系统研究[A];中国新闻技术工作者联合会2017年学术年会论文集（学术论文篇）[C];2017年

7 周小田;王宏志;郭翔宇;胡筱;董志鑫;李建中;高宏;;基于知识库的互联网商品信息分类与推荐系统[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

8 汤娟梅;唐岭;;个性化英语阅读文章推荐系统的设计[A];计算机与教育：理论、实践与创新——全国计算机辅助教育学会第十四届学术年会论文集[C];2010年

9 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

10 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

相关重要报纸文章 前5条

1 记者 周源;知意图发布推荐系统Etu Recommender[N];网络世界;2012年

2 本报记者 邹大斌;大数据：电商新武器[N];计算机世界;2012年

3 本报记者 冯卫东;网络导购：找出你的最爱[N];科技日报;2007年

4 本报记者 邱燕娜;精准推荐 一客一市场[N];中国计算机报;2012年

5 张秋明;用数据是新技能[N];福州日报;2015年

相关博士学位论文 前10条

1 夏彬;基于位置信息社交网络的推荐系统研究[D];南京理工大学;2018年

2 王梦晗;推荐系统中数据缺失问题的研究[D];浙江大学;2019年

3 张亮;网络推荐系统中基于时间信息的新颖性研究[D];厦门大学;2017年

4 徐原博;推荐系统中面向评分和文本数据挖掘的若干关键技术研究[D];吉林大学;2019年

5 蒋伟;推荐系统若干关键技术研究[D];电子科技大学;2018年

6 练建勋;基于多样化内容数据的个性化推荐系统[D];中国科学技术大学;2018年

7 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

8 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

9 颜端武;面向知识服务的智能推荐系统研究[D];南京理工大学;2007年

10 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

相关硕士学位论文 前10条

1 梁一敏;基于精彩评论的混合音乐推荐系统研究[D];云南财经大学;2019年

2 丛大玮;基于细粒度情感分析的推荐系统[D];哈尔滨工业大学;2019年

3 张大步;基于学习网络表征的推荐系统实现及应用[D];哈尔滨工业大学;2019年

4 刘慧洁;基于深度学习融合模型的推荐系统研究[D];哈尔滨工业大学;2018年

5 匡容;基于学生成绩分析的学习推荐系统研究[D];广东工业大学;2019年

6 董欣欣;基于供需交易主体画像的养老服务推荐系统设计与实现[D];哈尔滨工业大学;2018年

7 王广仲;基于机器学习的安全领域专家推荐系统的研究[D];上海应用技术大学;2019年

8 权静月;融合多元关系的推荐系统[D];青岛大学;2019年

9 刘兴姿;基于营养饮食推荐系统研究[D];西安电子科技大学;2019年

10 沈鹏;基于流计算平台的推荐系统的设计与实现[D];南京邮电大学;2019年

，

本文编号：2613873