融合移动用户社会化关系的协同过滤推荐方法研究

发布时间：2016-08-20 15:18

  本文关键词：融合移动用户社会化关系的协同过滤推荐方法研究，由笔耕文化传播整理发布。

《北京邮电大学》 2014年

融合移动用户社会化关系的协同过滤推荐方法研究

胡勋  

【摘要】：移动互联网的发展带来了“信息过载”问题,推荐系统作为缓解“信息过载”的有效手段,在移动领域得到了广泛的关注。在以用户为主的服务中,利用推荐方法主动向移动用户提供个性化的服务变得必不可少。协同过滤推荐方法是移动推荐的主要方法之一并被广泛应用,其基本思想是利用与当前用户相似的其他用户的偏好进行预测推荐。由于社会化网络中用户之间的相互影响,关系用户之间的偏好趋于相似,用户的社会化关系被融入推荐方法中以提高推荐性能。本文针对融合移动用户社会化关系协同过滤推荐方法中存在的一些关键问题进行了研究,主要贡献如下： (1)提出一种融合项目特征及移动用户信任关系的协同过滤推荐方法。传统基于用户的协同过滤推荐方法,利用与当前用户相似用户的偏好来预测当前用户对未评价项目的偏好。用户相似关系通常基于用户之间共同评价的项目来计算用户之间的偏好相似关系,并没有考虑用户在非共同评价项目上的偏好对用户相似关系的影响。特别当用户评分稀疏时,用户之间共同评价项目的数量会减少,在少量的共同评价项目上不能准确反映用户之间的偏好相似关系。针对此问题,本文使用推土机距离方法来计算移动用户之间的偏好相似关系。推土机距离方法考虑了移动用户在共同评价项目上的偏好,同时利用项目之间的相似关系融合移动用户在相似项目上的偏好来计算移动用户之间的相似度。利用项目之间的相似关系,提出融合相似用户在相似项目的偏好进行偏好预测。为缓解数据稀疏性的影响,提出融合信任用户和相似用户的偏好来进行预测。实验结果表明,协同过滤推荐方法中融合相似项目来计算移动用户之间的相似度、融合相似用户在相似项目上的偏好及融合信任用户进行偏好预测能提高协同过滤推荐方法的预测和推荐准确度。 (2)提出一种融合移动用户信任关系的协同过滤推荐方法。由于信任用户之间的社会影响,融入用户信任关系的协同过滤推荐方法能提高推荐的准确性,而信任用户之间的社会影响计算是否准确将直接影响推荐系统的性能。基于用户在共同评价项目上的偏好相似关系来计算信任用户之间的社会影响,用户之间的偏好相似关系是对称的,而信任用户之间的社会影响并不对称,因此基于共同评价项目上的偏好相似性并不能准确计算信任用户之间的社会影响。针对此问题,本文基于信息扩散机制和移动用户信任之间的社会影响来选择移动用户之间存在影响的项目。同时为了缓解数据稀疏性的影响,利用信任用户之间的相互影响预测移动用户对未评价项目的隐式偏好,融合移动用户的隐式偏好来选择信任用户之间存在影响的项目。基于选择的影响项目计算信任用户之间的社会影响。并在公开数据集上对本文的方法进行了实验验证,实验结果表明,本文提出的融合移动用户信任关系的协同过滤推荐方法能获得更好的预测准确度。 (3)提出融合移动用户相似关系和信任关系的混合推荐方法。传统协同过滤推荐方法利用相似用户的偏好进行偏好预测,而融合移动用户信任关系的协同过滤推荐方法,则利用信任用户之间的相互影响进行偏好预测。移动用户相似关系和移动用户信任关系都有利于提高协同过滤推荐方法的性能,但在推荐时通常忽略其中一种关系。为进一步提高协同过滤推荐的性能,基于移动用户相似关系和移动用户信任关系,本文提出了四种混合推荐方法：基于特征扩展的混合方法、基于级联的混合方法、基于元层次的混合方法及元层次混合和级联混合的融合方法。在数据集上进行了推荐性能验证,基于公开数据集的实验结果表明融合移动用户的相似关系及信任关系的协同过滤推荐方法能提高其推荐的性能。 (4)提出一种融合移动用户组关系的组推荐方法。目前组推荐可以分为聚合模型方法和聚合预测方法,主要步骤包括：预测和聚合。利用推荐方法预测组中成员的个人偏好,再使用聚合策略将组中成员偏好聚合成组偏好并进行推荐；或使用聚合策略将组中成员聚合成组偏好,再基于组偏好利用推荐方法针对组用户进行推荐。聚合模型方法使用聚合后的组用户偏好进行偏好预测及推荐,容易造成组成员偏好信息的损失；而聚合预测方法在偏好预测时忽略了组关系对用户偏好的影响。针对组推荐方法存在的问题,提出一种基于矩阵分解技术的融合组推荐方法,将移动用户组关系融合到矩阵分解模型中,利用移动用户组关系及组成员用户偏好学习组用户的偏好。同时考虑组成员用户对组用户偏好的不同影响,将组成员权重融入矩阵分解方法中。实验结果表明,本文的方法与聚合模型和聚合预测组推荐方法相比,能向移动用户提供更准确的组推荐。

【关键词】：
【学位授予单位】：北京邮电大学
【学位级别】：博士
【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10条

1 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期

2 王立才;孟祥武;张玉洁;;移动网络服务中基于认知心理学的用户偏好提取方法[J];电子学报;2011年11期

3 黄武汉;孟祥武;王立才;;移动通信网中基于用户社会化关系挖掘的协同过滤算法[J];电子与信息学报;2011年12期

4 王玉祥;乔秀全;李晓峰;孟洛明;;上下文感知的移动社交网络服务选择机制研究[J];计算机学报;2010年11期

5 ;2012年度中国商业网站分类排行榜[J];互联网周刊;2012年24期

6 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

7 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

8 王立才;孟祥武;张玉洁;;上下文感知推荐系统[J];软件学报;2012年01期

9 史艳翠;孟祥武;张玉洁;王立才;;一种上下文移动用户偏好自适应学习方法[J];软件学报;2012年10期

10 孟祥武;胡勋;王立才;张玉洁;;移动推荐系统及其应用[J];软件学报;2013年01期

【共引文献】

中国期刊全文数据库 前10条

1 王丽影;刘媛媛;李建英;;个性化服务在网络课程中的应用研究[J];办公自动化;2009年20期

2 刘一;王旭磊;查红彬;;基于局部字袋模型的三维部分形状检索方法[J];北京大学学报(自然科学版);2009年06期

3 王岩松;金伟其;;基于映射色差的颜色分类表面检测方法研究[J];北京理工大学学报;2010年01期

4 孙伶君;汪杭军;祁亨年;;基于分块LBP的树种识别研究[J];北京林业大学学报;2011年04期

5 张帆;林建;;智能搜索引擎信息过滤机制研究[J];图书与情报;2007年04期

6 纪良浩;王国胤;杨勇;;基于协作过滤的Web日志数据预处理研究[J];重庆邮电学院学报(自然科学版);2006年05期

7 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

8 陈大平;;搜索引擎技术方式之探析[J];长春理工大学学报(高教版);2009年10期

9 许建潮;王红梅;;改进的协同过滤算法[J];吉林大学学报(信息科学版);2008年01期

10 陈燕;牟向伟;;语义环境下个性化推荐系统建模[J];吉林大学学报(信息科学版);2010年06期

中国重要会议论文全文数据库 前10条

1 雷育生;甘仞初;杨军;;一种基于用户偏好的虚拟网站信息结构自适应调整算法[A];2007年全国第十一届企业信息化与工业工程学术会议论文集[C];2007年

2 ;An Efficient Flexible Semantic Distance Function[A];第二十六届中国控制会议论文集[C];2007年

3 王茹;郭晓;曹雪珊;;国内视频网站精准投放技术分析[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

4 梁伟贤;;网络搜索引擎发展现状的探讨[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

5 王柱;周兴社;王海鹏;倪红波;武瑞娟;;一种普适环境下群体用户体验的定量评价模型[A];第四届和谐人机环境联合学术会议论文集[C];2008年

6 徐羽琼;李石坚;姚敏;;基于情境感知的个性化邮件服务[A];第四届和谐人机环境联合学术会议论文集[C];2008年

7 刘咏梅;卢鸿剑;杜美玲;;基于Multi-agent的个人电脑客户定制服务推荐系统[A];2006中国控制与决策学术年会论文集[C];2006年

8 汤志伟;王菁;;面向公众的电子政务个性化信息服务体系的构建[A];中国信息经济学会2007年学术年会论文集[C];2007年

9 刘涛;王晓光;黄琨;;数字图书馆的发展及其技术概论[A];信息时代——科技情报研究学术论文集（第三辑）[C];2008年

10 ;An Analysis on the Personalized Recommendation Architecture of Mobile Commerce Application[A];第六届（2011）中国管理学年会——管理科学与工程分会场论文集[C];2011年

中国博士学位论文全文数据库 前10条

1 张宇;个性化移动内容服务的模型和支持技术研究[D];华中科技大学;2010年

2 孔丁科;几何活动轮廓图像分割模型的研究[D];浙江大学;2010年

3 张寅;个性化技术及其在数字图书馆中应用的研究[D];浙江大学;2009年

4 陈伟;基于时序文本挖掘的新闻内容理解与推荐技术研究[D];浙江大学;2010年

5 孙挺;三维模型特征提取技术研究[D];西北大学;2011年

6 胡慕海;面向动态情境的信息推荐方法及系统研究[D];华中科技大学;2011年

7 刘毅捷;视频社区中海量数据管理方法研究[D];中国科学技术大学;2011年

8 马春山;移动增值业务的个性化推荐研究[D];北京邮电大学;2011年

9 黄永生;基于用户社会属性的点对点内容分发网络模型研究[D];北京邮电大学;2010年

10 梁鹏;基于内容的目标分类识别关键技术研究[D];华南理工大学;2011年

中国硕士学位论文全文数据库 前10条

1 吴则则;支持动态演进的用户兴趣模型挖掘方法研究[D];山东科技大学;2010年

2 蔡宏果;基于基因表达式编程的Web个性化推荐技术研究[D];广西师范学院;2010年

3 刘建东;基于Web访问信息挖掘的数字图书馆个性化服务研究[D];浙江理工大学;2010年

4 许坤;基于本体的应急信息管理系统的研究与设计[D];郑州大学;2010年

5 宋超臣;基于推荐网络的服务搜索技术研究[D];哈尔滨工程大学;2010年

6 张珍军;基于内容的图像检索技术研究[D];哈尔滨工程大学;2010年

7 蔡宇虹;基于主题的元搜索引擎关键技术研究[D];哈尔滨工程大学;2010年

8 何莹杰;个性化图书信息服务技术研究[D];哈尔滨工程大学;2010年

9 李媛;电子商务个性化推荐关键技术研究[D];哈尔滨工程大学;2010年

10 董小丽;基于索引相关和聚类的图像特征提取算法研究[D];大连理工大学;2010年

【二级参考文献】

中国期刊全文数据库 前10条

1 吕琳媛;;复杂网络链路预测[J];电子科技大学学报;2010年05期

2 崔亚洲;段刚;;基于Web日志和商品分类的协同过滤推荐系统[J];电子科技大学学报(社科版);2006年03期

3 黄海清;张平;张曦文;;基于用户偏好的智能业务选取研究[J];电子学报;2006年S1期

4 许向阳;宋恩民;金良海;;Otsu准则的阈值性质分析[J];电子学报;2009年12期

5 吴永辉;王晓龙;丁宇新;徐军;郭鸿志;;基于主题的自适应、在线网络热点发现方法及新闻推荐系统[J];电子学报;2010年11期

6 谢海涛;孟祥武;;适应用户需求进化的个性化信息服务模型[J];电子学报;2011年03期

7 王立才;孟祥武;张玉洁;;移动网络服务中基于认知心理学的用户偏好提取方法[J];电子学报;2011年11期

8 方娟;梁文灿;;一种基于协同过滤的网格门户推荐模型[J];电子与信息学报;2010年07期

9 徐风苓;孟祥武;王立才;;基于移动用户上下文相似度的协同过滤推荐算法[J];电子与信息学报;2011年11期

10 黄武汉;孟祥武;王立才;;移动通信网中基于用户社会化关系挖掘的协同过滤算法[J];电子与信息学报;2011年12期

【相似文献】

中国期刊全文数据库 前10条

1 冯传奋;李爱娇;王桂香;;移动用户预测新方法研究[J];电信工程技术与标准化;2008年11期

2 ;安阳移动用户突破250万[J];中国地市报人;2011年10期

3 李正茂;我国蜂窝移动通讯发展的思考[J];通讯产品世界;1995年09期

4 涂兰敬;;中国移动用户将破五亿 移动云潜力巨大[J];网络与信息;2012年02期

5 曾勇;移动用户转网障碍的经济学分析及对策思考[J];移动通信;2003年06期

6 范雅政;钱量;;湖北省移动用户规模的预测方法研究[J];信息通信;2012年06期

7 俞昌虹;周国祥;石雷;;基于指标验证法的移动用户定量预测方法[J];电信工程技术与标准化;2007年02期

8 刘清松;王霓虹;王伟;;权重算法在计算移动用户重入网的应用[J];自动化技术与应用;2009年02期

9 ;央视开拓纽约移动用户新市场[J];青年记者;2012年08期

10 张健华;采用实时计费措施 防止移动用户欠费[J];移动通信;2000年02期

中国重要会议论文全文数据库 前7条

1 谭钧元;宋国杰;谢昆青;黄顺平;;一种有效的基于生活熵的移动用户分类算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

2 赵莽;林齐宁;;移动用户满意度指标重要性测量[A];通信发展战略与业务管理创新学术研讨会论文集[C];2005年

3 ;提高移动用户复机及时率 中国移动通信集团上海有限公司畅通无限QC小组[A];2008年度电子信息行业优秀质量管理小组成果、优秀质量信得过班组经验专集[C];2008年

4 沈岷;许欣;江鸿;;移动用户切换频度的仿真与分析[A];中国通信学会信息通信网络技术委员会2011年年会论文集（下册）[C];2011年

5 ;Single RAN让移动网络应需而变[A];2008年“ICT助力两型社会建设”学术研讨会论文集[C];2008年

6 韩宇欣;;把固话发展成宽带多媒体终端[A];科技创新与节能减排——吉林省第五届科学技术学术年会论文集（上册）[C];2008年

7 胡俊峰;;浅谈两例局数据引发的故障[A];内蒙古通信学会2005年年会论文集[C];2005年

中国重要报纸全文数据库 前10条

1 记者 曾煜 倪昌;[N];人民邮电;2003年

2 通讯员 曹振宁;[N];人民邮电;2009年

3 记者 冯晓芳　刘菊花;[N];新华每日电讯;2009年

4 王光能　黄伦;[N];黔西南日报;2009年

5 本报记者 余祖江;[N];通信信息报;2009年

6 记者 马剑芳;[N];深圳商报;2009年

7 马效忠;[N];人民邮电;2000年

8 本报记者 王洋;[N];消费日报;2012年

9 本报记者 于贵丽;[N];通信信息报;2013年

10 孙琎;[N];第一财经日报;2007年

中国博士学位论文全文数据库 前2条

1 史艳翠;基于通信数据的上下文移动用户偏好动态获取方法研究[D];北京邮电大学;2013年

2 胡勋;融合移动用户社会化关系的协同过滤推荐方法研究[D];北京邮电大学;2014年

中国硕士学位论文全文数据库 前9条

1 吴平瑶;单向号码可携带政策对移动用户转网意愿的影响研究[D];北京邮电大学;2010年

2 肖觅;基于移动用户行为的移动社区发现方法研究与实现[D];北京邮电大学;2013年

3 王铁牛;移动用户社交网络发现与应用[D];昆明理工大学;2012年

4 余霞;用扩散模型研究移动用户的发展趋势[D];广西师范大学;2013年

5 耿华;基于链接预测模型的移动用户偏好预测方法的研究与实现[D];北京邮电大学;2013年

6 龚胜芳;基于移动用户行为的动态社区发现算法研究与实现[D];北京邮电大学;2014年

7 俞昌虹;移动用户定量预测方法的研究[D];合肥工业大学;2007年

8 刘玉利;基于Agent的移动用户位置管理技术研究[D];哈尔滨理工大学;2007年

9 张德英;基于上下文和用户行为的移动用户偏好获取系统的设计与实现[D];北京邮电大学;2012年

  本文关键词：融合移动用户社会化关系的协同过滤推荐方法研究，，由笔耕文化传播整理发布。

本文编号：99050