《河北工程大学》2014年硕士论文

发布时间：2017-01-01 17:27

  本文关键词：移动对象轨迹数据挖掘方法研究，由笔耕文化传播整理发布。

《河北工程大学》 2014年

情景感知的移动推荐研究

郭高尚  

【摘要】：随着移动互联网、社交网络、电子商务、物联网、云计算等相关技术的发展，传统互联网的涉及领域被极大的扩展，人类已经进入一个崭新的“大数据”时代。如何缓解“大数据”带给人们的“信息过载”问题，已经成为学术界和工业界关注的热点。与此同时，在移动互联网环境中，信息资源的获取和推送可以不受时间、地点和方式的限制，移动智能终端（如智能手机、平板电脑等）能为用户提供无处不在、丰富的信息资源，已经成为人们获取信息和服务的重要平台之一。移动互联网服务和信息内容的迅速增长不断考验人们的承受能力，日益严重的“移动信息过载”问题极大影响用户体验和互联网络资源的利用率。情景感知推荐系统将情景信息引入推荐系统，具有“个性化”和“普适计算”两种优势，可以进一步提高推荐精确度，，具有重要的研究意义、实用价值和广阔的应用前景，是缓解“移动信息过载”问题的有效途径之一，已成为推荐系统领域的研究热点。本论文的主要研究内容如下： (1)综述了传统推荐系统、情景感知推荐以及其应用的研究现状，重点论述了三种情景感知推荐方法（基于内容的情景感知推荐、基于协同过滤的情景感知推荐和混合式情景感知推荐）和三种情景感知推荐范式（情景预过滤、情景建模和情景后过滤），并分析了各自的优势及存在的问题。 (2)对传统推荐系统相关的概念和技术进行研究，并分析了各种推荐技术的优势和不足，重点讨论了协同过滤推荐技术，包括其基本思想和推荐流程，对常用的协同过滤推荐算法进行了介绍，总结了各种协同过滤推荐算法的优势及现存问题。 (3)对情景感知相关的理论及情景感知的移动推荐系统框架进行了研究。首先对情景、情景感知、情景感知计算的概念进行了说明；基于上述概念，描述了情景感知系统的基本结构，为进一步明确情景感知系统的结构组成及各部分的功能，给出一种情景感知系统框架的概念模型。在对移动推荐和传统推荐进行对比分析的基础上，给出一种情景感知的移动推荐系统框架，并对移动推荐系统的各层主要功能实现进行了设计说明。 (4)基于前述移动推荐系统框架，针对移动个性化推荐问题，通过将用户的情景信息引入到协同过滤推荐过程，提出一种结合情景和协同过滤的移动推荐算法。该算法综合考虑周围环境情景和社会网络关系情景，利用已知的情景用户偏好和用户的社会网络关系，通过用户综合情景相似度的计算，获取用户的最近邻，并预测潜在的情景用户偏好来产生推荐；然后利用公开的真实数据集进行实验，来表明该算法在MAP和P@N方面的可用性和先进性。

【关键词】：
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前3条

1 赵琴琴;鲁凯;王斌;;SPCF:一种基于内存的传播式协同过滤推荐算法[J];计算机学报;2013年03期

2 吴湖;王永吉;王哲;王秀利;杜栓柱;;两阶段联合聚类协同过滤算法[J];软件学报;2010年05期

3 朱锐;王怀民;冯大为;;基于偏好推荐的可信服务选择[J];软件学报;2011年05期

中国博士学位论文全文数据库 前1条

1 邢星;社交网络个性化推荐方法研究[D];大连海事大学;2013年

【共引文献】

中国期刊全文数据库 前10条

1 纪良浩;;协作过滤信息推荐技术研究[J];重庆邮电大学学报(自然科学版);2012年01期

2 张莉;;电子商务协同推荐技术研究综述分析[J];电子商务;2012年07期

3 盛国军;温涛;郭权;吴镝;;基于协同过滤的可信Web服务推荐[J];东北大学学报(自然科学版);2013年06期

4 韩淑云;;协同过滤算法中扩展性问题研究[J];计算机光盘软件与应用;2013年17期

5 张力娜;李小林;;一种基于QoS偏好的服务选择策略[J];重庆邮电大学学报(自然科学版);2013年06期

6 印桂生;张亚楠;董宇欣;韩启龙;;基于受限信任关系和概率分解矩阵的推荐[J];电子学报;2014年05期

7 汪岭;傅秀芬;王晓牡;;基于大数据集的混合动态协同过滤算法研究[J];广东工业大学学报;2014年03期

8 吴泓辰;王新军;成勇;彭朝晖;;基于协同过滤与划分聚类的改进推荐算法[J];计算机研究与发展;2011年S3期

9 吴信东;叶明全;胡东辉;吴共庆;胡学钢;王浩;;普适医疗信息管理与服务的关键技术与挑战[J];计算机学报;2012年05期

10 赵宏霞;王新海;杨皎平;;基于Web客户因子分析的协同推荐算法[J];计算机应用研究;2011年07期

中国博士学位论文全文数据库 前10条

1 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年

2 袁冠;移动对象轨迹数据挖掘方法研究[D];中国矿业大学;2012年

3 任磊;推荐系统关键技术研究[D];华东师范大学;2012年

4 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

5 杜瑞忠;分布式环境下动态信任管理和评估模型研究[D];武汉大学;2012年

6 刘青文;基于协同过滤的推荐算法研究[D];中国科学技术大学;2013年

7 邢星;社交网络个性化推荐方法研究[D];大连海事大学;2013年

8 陈根浪;基于社交媒体的推荐技术若干问题研究[D];浙江大学;2012年

9 马琳;面向移动互联网的开放服务技术架构及若干关键技术研究[D];北京邮电大学;2013年

10 韩强;基于行为的软件可信性度量理论与关键技术研究[D];北京邮电大学;2013年

中国硕士学位论文全文数据库 前10条

1 韩国兴;面向移动搜索的PUSH平台的设计与实现[D];哈尔滨工程大学;2011年

2 吕世阳;基于C2C电子商务模式下商品推荐系统应用研究[D];东华大学;2012年

3 马恩穹;基于Web数据挖掘的个性化搜索引擎研究[D];南京理工大学;2012年

4 史岩;基于服务质量的Web服务组合及服务推荐研究[D];陕西师范大学;2012年

5 陈诚;个性化农业信息推送技术研究[D];湖南农业大学;2012年

6 严梅;一种基于聚类的软件元需求的获取方法研究[D];中南大学;2011年

7 张进;电子商务推荐系统中协同过滤算法的分析与研究[D];首都经济贸易大学;2012年

8 陈真;考虑QoS数据不确定性的可信Web服务选取[D];燕山大学;2012年

9 张大印;基于协同过滤的可信服务选择研究[D];南京邮电大学;2013年

10 杨文彬;基于联盟技术的可信服务选择研究[D];南京邮电大学;2013年

【二级参考文献】

中国期刊全文数据库 前10条

1 刘建国;周涛;郭强;汪秉宏;;个性化推荐系统评价方法综述[J];复杂系统与复杂性科学;2009年03期

2 ;Trustworthiness of Internet-based software[J];Science in China(Series F:Information Sciences);2006年06期

3 陈刚;刘发升;;基于BP神经网络的数据挖掘方法[J];计算机与现代化;2006年10期

4 曾春,邢春晓,周立柱;个性化服务技术综述[J];软件学报;2002年10期

5 邓爱林,朱扬勇,施伯乐;基于项目评分预测的协同过滤推荐算法[J];软件学报;2003年09期

6 陈健;印鉴;;基于影响集的协作过滤推荐算法[J];软件学报;2007年07期

7 张光卫;李德毅;李鹏;康建初;陈桂生;;基于云模型的协同过滤推荐算法[J];软件学报;2007年10期

8 李晓光;于戈;王大玲;鲍玉斌;;基于信息论的潜在概念获取与文本聚类[J];软件学报;2008年09期

9 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

10 吴湖;王永吉;王哲;王秀利;杜栓柱;;两阶段联合聚类协同过滤算法[J];软件学报;2010年05期

【相似文献】

中国期刊全文数据库 前10条

1 张付志;张启凤;;融合多系统用户信息的协同过滤算法[J];计算机工程;2009年21期

2 周丽娟;徐明升;张研研;张璋;;基于协同过滤的课程推荐模型[J];计算机应用研究;2010年04期

3 刘淇;陈恩红;;结合二部图投影与排序的协同过滤[J];小型微型计算机系统;2010年05期

4 董全德;;基于双信息源的协同过滤算法研究[J];合肥工业大学学报(自然科学版);2010年07期

5 李聪;;电子商务协同过滤可扩展性研究综述[J];现代图书情报技术;2010年11期

6 傅鹤岗;李冉;;基于用户实时反馈的协同过滤算法[J];计算机应用;2011年07期

7 辛勤芳;;基于项目聚类的协同过滤算法研究[J];赤峰学院学报(自然科学版);2011年09期

8 杨君;汪会玲;艾丹祥;;一种基于情景的多维协同过滤新方法研究[J];图书情报工作;2011年21期

9 王宗武;;基于信任用户联合聚类的协同过滤算法[J];计算机与现代化;2013年09期

10 杜永萍;黄亮;何明;;融合信任计算的协同过滤推荐方法[J];模式识别与人工智能;2014年05期

中国重要会议论文全文数据库 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

中国博士学位论文全文数据库 前9条

1 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

2 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

3 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

4 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

5 高旻;基于计算语用学和项目的资源协同过滤推荐研究[D];重庆大学;2010年

6 孔维梁;协同过滤推荐系统关键问题研究[D];华中师范大学;2013年

7 沈磊;心理学模型与协同过滤集成的算法研究[D];北京航空航天大学;2010年

8 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年

9 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年

中国硕士学位论文全文数据库 前10条

1 胡淼;基于协同过滤的服务评价方法的研究[D];哈尔滨工程大学;2008年

2 赵伟;基于评分预测和概率融合的协同过滤研究[D];河南大学;2007年

3 彭玉;基于用户个人特征的多内容项目协同过滤推荐[D];西南大学;2007年

4 李冉;基于用户实时反馈的协同过滤算法研究[D];重庆大学;2011年

5 孙凯;协同过滤移动社区的研究与实现[D];北京邮电大学;2012年

6 全智超;基于用户性格的协同过滤推荐研究[D];首都师范大学;2014年

7 张亮;基于协同过滤与划分聚类的推荐算法研究[D];吉林大学;2014年

8 白龙;融合数据检测与用户信任的协同过滤算法研究[D];燕山大学;2010年

9 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010年

10 况亚萍;云计算技术在协同过滤推荐中的应用研究[D];中国科学技术大学;2014年

  本文关键词：移动对象轨迹数据挖掘方法研究，由笔耕文化传播整理发布。

本文编号：230968