异质网络中基于语义元路径的推荐系统研究与实现

发布时间：2021-03-30 20:22

随着计算机科学与互联网的飞速发展,社会网络分析成为了数据挖掘领域的一个重要研究课题。大量社会网络分析的相关研究都集中在同质信息网络上,但随着互联网上的数据信息逐渐多样化,社会网络分析的研究重点逐渐转向异质信息网络,很多数据挖掘任务(如分类、聚类、排序和相似性度量等)都利用了异质信息网络来整合多种异质信息。另外一方面,随着互联网上用户行为数据的大量积累,推荐也成为了一个非常重要的数据挖掘任务。推荐系统可以帮助用户找到自己感兴趣的物品,有效地缓解了互联网上信息过载问题。现实的推荐系统包含了多种类型的对象(如电影推荐系统中的用户、电影、演员和兴趣小组等)以及对象间丰富的关系连接,这些不同的对象和关系构成了一个异质信息网络。然而,常规的异质信息网络并没有考虑到连接上的属性值。在推荐系统中,用户对物品的评分(通常取值为1-5)正是用户与物品关系上的属性值,这导致了被广泛应用的元路径也无法准确地捕获对象间的语义关系。此外,如何利用异质信息网络对多种信息进行整合,并为用户学习到个性化且有区分度的信息偏好,也是本文需要解决的一个关键问题。针对上述问题,本文的贡献主要分为三个部分。第一,本文提出了带权值的异质信息网络和带权元路径等概念,通过引入具有区分度的连接属性值,更精细地描述了路径的语义。此外,本文提出了带权元路径下的相似性计算策略,使得原有的相似性度量方法经过修改后可以应用到带权元路径上来。第二,本文提出了一个基于语义路径的个性化推荐算法SemRec,更准确地预测用户对物品的评分。通过设置不同的元路径,SemRec不仅可以灵活地整合异质信息,还可以学到有区分度的、个性化的权重来表达用户对不同语义路径的偏好。通过在三个现实的数据集上进行对比实验,可以看到SemRec利用带权元路径整合信息,从而获得更好的推荐效果。此外,大量的实验证实了了带权元路径的优势。最后,作者根据SemRec推荐方法设计了一个电影推荐原型系统,该系统利用SemRec学到的个性化路径偏好权重对推荐结果给出合理的推荐解释。
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3

文章目录

摘要

ABSTRACT

第一章绪论

1.1 课题研究背景

1.2 国内外研究现状

1.2.1 推荐系统

1.2.2 异质信息网络与元路径

1.2.3 基于异质信息网络的推荐系统

1.2.4 推荐的可解释性

1.3 研究内容

1.4 文章结构

第二章相关介绍

2.1 异质信息网络相关研究介绍

2.1.1 异质信息网络与元路径

2.1.2 基于元路径的相似性度量方式

2.2 推荐相关研究介绍

2.2.1 概率矩阵分解

2.2.2 社会化矩阵分解

2.2.3 协同式矩阵分解

2.2.4 基于异质信息网络的矩阵分解

第三章基于语义元路径的个性化推荐算法

3.1 基本概念

3.2 异质信息网络上的推荐

3.3 基于带权元路径的相似性度量

3.4 SemRec方法

3.4.1 基本思想

3.4.2 单一路径上的推荐

3.4.3 多条路径上的推荐

3.4.4 快速计算策略

第四章实验分析

4.1 实验设置

4.1.1 数据集

4.1.2 评判指标

4.1.3 对比方法

4.2 有效性实验

4.3 冷启动实验

4.4 路径偏好权重的研究

4.5 带权元路径的研究

4.5.1 关于推荐的有效性实验

4.5.2 元路径语义的研究

4.6 参数实验

第五章结果可解释的电影推荐原型系统

5.1 系统实现

5.2 系统演示

第六章总结与期望

6.1 全文总结

6.2 期望

参考文献

致谢

攻读学位期间发表的学术论文目录

【相似文献】