电子商务中基于动态资源分配的个性化推荐算法研究与应用

发布时间：2021-05-18 17:03

　　在一个信息技术呈爆发式增长的时代,人们可以非常方便地从各种渠道获得信息。然而,随之而来的问题就是信息是无限的,但人的注意力是有限的。举个例子来说,面对在线购物网站上成千上万的商品,没有人能够一一浏览。尽管搜索引擎在一定程度上能够帮助人们找到他们想要的,但是依然有大量的商品不被需要的人所了解。因此,在这样一种信息过载的背景下,能够通过用户以往的行为记录来预测用户兴趣的个性化推荐系统受到了广泛的关注,并且它是最有望高效解决这一问题的方法。此外,一些推荐系统已经在实际中得到应用,比如根据用户观看记录和评分来提供在线电影出租服务的Netflix,根据用户过去的购买记录来推荐书籍的Amazon.com以及根据用户的阅读记录来推荐新闻的Google News。受到电子商务中长尾理论的启发,在本文中,将一个用户—项目二分网络看作一个基于动态资源分配的无标度网络来研究该网络中的节点在不同时刻的相似性。从这一点出发,本文提出了一种新的基于动态资源分配的动态相似性测度来测量一个用户—项目二分网络中节点的相似性,并将该相似性测度用于个性化推荐。根据该相似性测度,本文定义了两种含参数的项目相似指数,一种是在动... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景与意义
    1.2 国内外发展现状
        1.2.1 二分网络发展研究现状
        1.2.2 无标度网络发展研究现状
    1.3 研究内容与主要工作
    1.4 论文结构
第二章 推荐系统及其相关技术介绍
    2.1 推荐系统相关技术
        2.1.1 信息检索
        2.1.2 信息过滤
    2.2 推荐算法介绍
        2.2.1 基于内容的推荐算法
        2.2.2 协同过滤推荐算法
        2.2.3 混合推荐算法
    2.3 推荐系统主要面临的挑战
    2.4 本章小结
第三章 基于动态资源分配的个性化推荐算法
    3.1 算法提出背景
    3.2 算法用途
    3.3 预期目标
    3.4 基于动态资源分配的推荐算法
        3.4.1 无标度网络中的动态资源分配模型
        3.4.2 基于动态资源分配的相似性度量
        3.4.3 动态平衡状态下的项目相似度
        3.4.4 初始状态下的项目相似度
        3.4.5 基于项目相似指数的推荐算法
    3.5 本章小结
第四章 推荐算法实验
    4.1 实验环境
    4.2 实验数据集
    4.3 推荐算法评估指标
        4.3.1 准确度
        4.3.2 多样性
        4.3.3 流行度
    4.4 对比算法
        4.4.1 GRM算法
        4.4.2 CF算法
        4.4.3 NBI算法
        4.4.4 Heter-NBI算法
    4.5 实验结果分析
        4.5.1 ERA与CIRA的性能比较
        4.5.2 ERA、IRA、 CIRA、CIRA1/2与其他算法性能比较
    4.6 本章小结
第五章 总结
    5.1 主要工作以及创新点
    5.2 研究展望
参考文献
致谢
攻读学位期间发表论文


【参考文献】：
期刊论文
[1]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)



本文编号：3194167